ທິດສະດີການປ້ອງກັນພືດທີ່ແຕກຕ່າງກັນໃຫ້ຄໍາແນະນໍາທາງທິດສະດີທີ່ສໍາຄັນສໍາລັບການອະທິບາຍຮູບແບບຂອງການເຜົາຜານອາຫານຂອງພືດ, ແຕ່ການຄາດຄະເນທີ່ສໍາຄັນຂອງພວກມັນຍັງຄົງຕ້ອງໄດ້ຮັບການທົດສອບ. ໃນທີ່ນີ້, ພວກເຮົາໄດ້ໃຊ້ການວິເຄາະ tandem mass spectrometry (MS/MS) ທີ່ບໍ່ລໍາອຽງເພື່ອສໍາຫຼວດ metabolome ຂອງສາຍພັນຢາສູບທີ່ຖືກຫຼຸດຜ່ອນຈາກພືດແຕ່ລະຊະນິດໄປສູ່ປະຊາກອນແລະຊະນິດພັນທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ, ແລະໄດ້ປະມວນຜົນທິດສະດີຄຸນສົມບັດ mass spectrometric ຈໍານວນຫຼວງຫຼາຍໂດຍອີງໃສ່ spectra ປະສົມໃນຂໍ້ມູນ. ກອບເພື່ອທົດສອບການຄາດຄະເນທີ່ສໍາຄັນຂອງການປ້ອງກັນທີ່ດີທີ່ສຸດ (OD) ແລະທິດສະດີເປົ້າໝາຍເຄື່ອນທີ່ (MT). ອົງປະກອບຂໍ້ມູນຂອງ metabolomics ຂອງພືດແມ່ນສອດຄ່ອງກັບທິດສະດີ OD, ແຕ່ຂັດແຍ້ງກັບການຄາດຄະເນຕົ້ນຕໍຂອງທິດສະດີ MT ກ່ຽວກັບການເຄື່ອນໄຫວຂອງ metabolomics ທີ່ເກີດຈາກສັດກິນພືດ. ຈາກລະດັບວິວັດທະນາການຈຸລະພາກເຖິງມະຫາພາກ, ສັນຍານ jasmonate ໄດ້ຖືກລະບຸວ່າເປັນຕົວກໍານົດຫຼັກຂອງ OD, ໃນຂະນະທີ່ສັນຍານ ethylene ໄດ້ໃຫ້ການປັບແຕ່ງການຕອບສະໜອງສະເພາະຂອງສັດກິນພືດທີ່ລະບຸໄວ້ໂດຍເຄືອຂ່າຍໂມເລກຸນ MS/MS.
ສານເຜົາຜານພິເສດທີ່ມີໂຄງສ້າງທີ່ຫຼາກຫຼາຍແມ່ນຜູ້ເຂົ້າຮ່ວມຫຼັກໃນການປັບຕົວຂອງພືດເຂົ້າກັບສິ່ງແວດລ້ອມ, ໂດຍສະເພາະໃນການປ້ອງກັນສັດຕູ (1). ຄວາມຫຼາກຫຼາຍທີ່ໜ້າອັດສະຈັນຂອງການເຜົາຜານພິເສດທີ່ພົບໃນພືດໄດ້ກະຕຸ້ນການຄົ້ນຄວ້າຢ່າງເລິກເຊິ່ງຫຼາຍທົດສະວັດກ່ຽວກັບຫຼາຍດ້ານຂອງໜ້າທີ່ທາງດ້ານນິເວດວິທະຍາ, ແລະໄດ້ສ້າງບັນຊີລາຍຊື່ຍາວຂອງທິດສະດີປ້ອງກັນພືດ, ເຊິ່ງເປັນການພັດທະນາວິວັດທະນາການແລະນິເວດວິທະຍາຂອງການພົວພັນລະຫວ່າງພືດກັບແມງໄມ້. ການຄົ້ນຄວ້າທາງປະສົບການໃຫ້ຄໍາແນະນໍາທີ່ສໍາຄັນ (2). ຢ່າງໃດກໍຕາມ, ທິດສະດີປ້ອງກັນພືດເຫຼົ່ານີ້ບໍ່ໄດ້ປະຕິບັດຕາມເສັ້ນທາງມາດຕະຖານຂອງເຫດຜົນທີ່ອະທິບາຍສົມມຸດຕິຖານ, ເຊິ່ງການຄາດຄະເນທີ່ສໍາຄັນຢູ່ໃນລະດັບດຽວກັນຂອງການວິເຄາະ (3) ແລະໄດ້ຖືກທົດສອບໂດຍການທົດລອງເພື່ອກ້າວໄປສູ່ວົງຈອນຕໍ່ໄປຂອງການພັດທະນາທິດສະດີ (4). ຂໍ້ຈໍາກັດທາງດ້ານເຕັກນິກຈໍາກັດການເກັບກຳຂໍ້ມູນໃຫ້ກັບໝວດໝູ່ການເຜົາຜານສະເພາະ ແລະຍົກເວັ້ນການວິເຄາະທີ່ສົມບູນແບບຂອງສານເຜົາຜານພິເສດ, ດັ່ງນັ້ນຈຶ່ງປ້ອງກັນການປຽບທຽບລະຫວ່າງໝວດໝູ່ທີ່ມີຄວາມຈໍາເປັນສໍາລັບການພັດທະນາທາງທິດສະດີ (5). ການຂາດຂໍ້ມູນການເຜົາຜານທີ່ສົມບູນແບບ ແລະສະກຸນເງິນທົ່ວໄປເພື່ອປຽບທຽບຂະບວນການປະມວນຜົນຂອງພື້ນທີ່ການເຜົາຜານລະຫວ່າງກຸ່ມພືດທີ່ແຕກຕ່າງກັນເປັນອຸປະສັກຕໍ່ຄວາມເປັນຜູ້ໃຫຍ່ທາງວິທະຍາສາດຂອງຂົງເຂດນີ້.
ການພັດທະນາລ່າສຸດໃນຂົງເຂດການວິເຄາະມວນສານແບບ tandem mass spectrometry (MS/MS) ສາມາດອະທິບາຍລັກສະນະການປ່ຽນແປງທາງເມຕາໂບໂລມິກພາຍໃນ ແລະ ລະຫວ່າງຊະນິດພັນຂອງລະບົບທີ່ກຳນົດໄວ້ໄດ້ຢ່າງຄົບຖ້ວນ, ແລະ ສາມາດລວມເຂົ້າກັບວິທີການຄິດໄລ່ເພື່ອຄິດໄລ່ຄວາມຄ້າຍຄືກັນຂອງໂຄງສ້າງລະຫວ່າງສ່ວນປະສົມທີ່ສັບສົນເຫຼົ່ານີ້. ຄວາມຮູ້ກ່ອນໜ້ານີ້ກ່ຽວກັບເຄມີສາດ (5). ການລວມກັນຂອງເຕັກໂນໂລຢີທີ່ກ້າວໜ້າໃນການວິເຄາະ ແລະ ການຄຳນວນໃຫ້ຂອບການເຮັດວຽກທີ່ຈຳເປັນສຳລັບການທົດສອບໄລຍະຍາວຂອງການຄາດຄະເນຫຼາຍຢ່າງທີ່ເຮັດໂດຍທິດສະດີດ້ານນິເວດວິທະຍາ ແລະ ວິວັດທະນາການຂອງຄວາມຫຼາກຫຼາຍທາງເມຕາໂບໂລມິກ. Shannon (6) ໄດ້ນຳສະເໜີທິດສະດີຂໍ້ມູນເປັນຄັ້ງທຳອິດໃນບົດຄວາມທີ່ສຳຄັນຂອງລາວໃນປີ 1948, ໂດຍວາງພື້ນຖານສຳລັບການວິເຄາະທາງຄະນິດສາດຂອງຂໍ້ມູນ, ເຊິ່ງໄດ້ຖືກນຳໃຊ້ໃນຫຼາຍໆຂົງເຂດນອກເໜືອຈາກການນຳໃຊ້ເດີມ. ໃນ genomics, ທິດສະດີຂໍ້ມູນໄດ້ຖືກນຳໃຊ້ຢ່າງສຳເລັດຜົນເພື່ອວັດແທກຂໍ້ມູນອະນຸລັກລຳດັບ (7). ໃນການຄົ້ນຄວ້າ transcriptomics, ທິດສະດີຂໍ້ມູນວິເຄາະການປ່ຽນແປງໂດຍລວມໃນ transcriptome (8). ໃນການຄົ້ນຄວ້າກ່ອນໜ້ານີ້, ພວກເຮົາໄດ້ນຳໃຊ້ຂອບການເຮັດວຽກທາງສະຖິຕິຂອງທິດສະດີຂໍ້ມູນກັບ metabolomics ເພື່ອອະທິບາຍຄວາມຊ່ຽວຊານດ້ານເມຕາໂບໂລມິກຂອງລະດັບເນື້ອເຍື່ອໃນພືດ (9). ໃນທີ່ນີ້, ພວກເຮົາລວມເອົາຂະບວນການເຮັດວຽກທີ່ອີງໃສ່ MS/MS ເຂົ້າກັບຂອບວຽກທາງສະຖິຕິຂອງທິດສະດີຂໍ້ມູນຂ່າວສານ, ເຊິ່ງມີລັກສະນະໂດຍຄວາມຫຼາກຫຼາຍທາງເມຕາໂບໂລມໃນສະກຸນເງິນທົ່ວໄປ, ເພື່ອປຽບທຽບການຄາດຄະເນທີ່ສຳຄັນຂອງທິດສະດີການປ້ອງກັນພືດຂອງເມຕາໂບໂລມທີ່ເກີດຈາກສັດກິນພືດ.
ຂອບທິດສະດີຂອງການປ້ອງກັນພືດມັກຈະລວມເຂົ້າກັນ ແລະ ສາມາດແບ່ງອອກເປັນສອງປະເພດຄື: ໝວດໝູ່ທີ່ພະຍາຍາມອະທິບາຍການແຈກຢາຍຂອງສານເມຕາໂບໄລຕ໌ສະເພາະຂອງພືດໂດຍອີງໃສ່ໜ້າທີ່ປ້ອງກັນ, ເຊັ່ນ: ການປ້ອງກັນທີ່ດີທີ່ສຸດ (OD) (10), ເປົ້າໝາຍເຄື່ອນທີ່ (MT) (11) ແລະ ຮູບລັກສະນະ (12), ໃນຂະນະທີ່ບາງອັນຊອກຫາຄຳອະທິບາຍທາງກົນຈັກກ່ຽວກັບວິທີທີ່ການປ່ຽນແປງຂອງຄວາມພ້ອມຂອງຊັບພະຍາກອນມີຜົນກະທົບຕໍ່ການເຕີບໂຕຂອງພືດ ແລະ ການສະສົມຂອງສານເມຕາໂບໄລຕ໌ພິເສດ, ເຊັ່ນ: ສົມມຸດຕິຖານຄວາມສົມດຸນຂອງຄາບອນ: ສານອາຫານ (13), ສົມມຸດຕິຖານອັດຕາການເຕີບໂຕ (14), ແລະ ສົມມຸດຕິຖານຄວາມສົມດຸນຂອງການເຕີບໂຕ ແລະ ການຈຳແນກ (15). ສອງຊຸດຂອງທິດສະດີແມ່ນຢູ່ໃນລະດັບການວິເຄາະທີ່ແຕກຕ່າງກັນ (4). ຢ່າງໃດກໍຕາມ, ສອງທິດສະດີທີ່ກ່ຽວຂ້ອງກັບໜ້າທີ່ປ້ອງກັນໃນລະດັບໜ້າທີ່ຄອບງຳການສົນທະນາກ່ຽວກັບການປ້ອງກັນທີ່ເປັນສ່ວນປະກອບ ແລະ ການປ້ອງກັນທີ່ສາມາດກະຕຸ້ນໄດ້ຂອງພືດ: ທິດສະດີ OD, ເຊິ່ງສົມມຸດວ່າພືດລົງທຶນໃນການປ້ອງກັນສານເຄມີທີ່ມີລາຄາແພງຂອງພວກມັນພຽງແຕ່ເມື່ອຈຳເປັນ, ຕົວຢ່າງ, ເມື່ອພວກມັນຖືກກິນ. ເມື່ອສັດຫຍ້າໂຈມຕີ, ດັ່ງນັ້ນ, ອີງຕາມຄວາມເປັນໄປໄດ້ຂອງການໂຈມຕີໃນອະນາຄົດ, ສານປະກອບທີ່ມີໜ້າທີ່ປ້ອງກັນຈະຖືກມອບໝາຍ (10); ສົມມຸດຕິຖານ MT ສະເໜີວ່າບໍ່ມີແກນຂອງການປ່ຽນແປງທິດທາງຂອງເມຕາໂບໄລ, ແຕ່ເມຕາໂບໄລຈະປ່ຽນແປງແບບສຸ່ມ, ດັ່ງນັ້ນຈຶ່ງສ້າງຄວາມເປັນໄປໄດ້ທີ່ຈະຂັດຂວາງ "ເປົ້າໝາຍການເຄື່ອນໄຫວ" ທາງເມຕາໂບໄລຂອງການໂຈມຕີສັດກິນພືດ. ເວົ້າອີກຢ່າງໜຶ່ງ, ທິດສະດີສອງຢ່າງນີ້ເຮັດໃຫ້ມີການຄາດຄະເນທີ່ກົງກັນຂ້າມກ່ຽວກັບການປ່ຽນແປງທາງເມຕາໂບໄລທີ່ເກີດຂຶ້ນຫຼັງຈາກການໂຈມຕີສັດກິນພືດ: ຄວາມສຳພັນລະຫວ່າງການສະສົມທິດທາງດຽວຂອງເມຕາໂບໄລທີ່ມີໜ້າທີ່ປ້ອງກັນ (OD) ແລະການປ່ຽນແປງທາງເມຕາໂບໄລທີ່ບໍ່ມີທິດທາງ (MT) (11).
ສົມມຸດຕິຖານ OD ແລະ MT ບໍ່ພຽງແຕ່ກ່ຽວຂ້ອງກັບການປ່ຽນແປງທີ່ເກີດຈາກການເຜົາຜານອາຫານເທົ່ານັ້ນ, ແຕ່ຍັງກ່ຽວຂ້ອງກັບຜົນສະທ້ອນທາງດ້ານນິເວດວິທະຍາ ແລະ ວິວັດທະນາການຂອງການສະສົມຂອງສານເຜົາຜານອາຫານເຫຼົ່ານີ້, ເຊັ່ນ: ຄ່າໃຊ້ຈ່າຍ ແລະ ຜົນປະໂຫຍດທີ່ປັບຕົວໄດ້ຂອງການປ່ຽນແປງການເຜົາຜານອາຫານເຫຼົ່ານີ້ໃນສະພາບແວດລ້ອມທາງດ້ານນິເວດວິທະຍາສະເພາະ (16). ເຖິງແມ່ນວ່າສົມມຸດຕິຖານທັງສອງຮັບຮູ້ໜ້າທີ່ປ້ອງກັນຂອງສານເຜົາຜານອາຫານພິເສດ, ເຊິ່ງອາດຈະມີລາຄາແພງ ຫຼື ບໍ່ແພງ, ການຄາດຄະເນທີ່ສຳຄັນທີ່ຈຳແນກສົມມຸດຕິຖານ OD ແລະ MT ແມ່ນຢູ່ໃນທິດທາງຂອງການປ່ຽນແປງການເຜົາຜານອາຫານທີ່ເກີດຂຶ້ນ. ການຄາດຄະເນຂອງທິດສະດີ OD ໄດ້ຮັບຄວາມສົນໃຈຈາກການທົດລອງຫຼາຍທີ່ສຸດມາຮອດປະຈຸບັນ. ການທົດສອບເຫຼົ່ານີ້ລວມມີການສຶກສາໜ້າທີ່ປ້ອງກັນໂດຍກົງ ຫຼື ໂດຍທາງອ້ອມຂອງເນື້ອເຍື່ອທີ່ແຕກຕ່າງກັນຂອງສານປະກອບສະເພາະໃນເຮືອນແກ້ວ ແລະ ສະພາບທຳມະຊາດ, ເຊັ່ນດຽວກັນກັບການປ່ຽນແປງໃນຂັ້ນຕອນຂອງການພັດທະນາພືດ (17-19). ຢ່າງໃດກໍຕາມ, ມາຮອດປະຈຸບັນ, ເນື່ອງຈາກການຂາດຂະບວນການເຮັດວຽກ ແລະ ຂອບການສະຖິຕິສຳລັບການວິເຄາະທີ່ສົມບູນແບບທົ່ວໂລກກ່ຽວກັບຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານຂອງສິ່ງມີຊີວິດໃດໆ, ການຄາດຄະເນຄວາມແຕກຕ່າງຕົ້ນຕໍລະຫວ່າງສອງທິດສະດີ (ນັ້ນຄືທິດທາງຂອງການປ່ຽນແປງການເຜົາຜານອາຫານ) ຍັງຕ້ອງໄດ້ຮັບການທົດສອບ. ໃນທີ່ນີ້, ພວກເຮົາໃຫ້ການວິເຄາະດັ່ງກ່າວ.
ໜຶ່ງໃນລັກສະນະທີ່ສຳຄັນທີ່ສຸດຂອງສານເມຕາໂບໄລຕ໌ສະເພາະຂອງພືດແມ່ນຄວາມຫຼາກຫຼາຍທາງດ້ານໂຄງສ້າງທີ່ຮຸນແຮງຂອງມັນໃນທຸກລະດັບຕັ້ງແຕ່ພືດດ່ຽວ, ປະຊາກອນຈົນເຖິງຊະນິດພັນທີ່ຄ້າຍຄືກັນ (20). ການປ່ຽນແປງດ້ານປະລິມານຫຼາຍຢ່າງໃນສານເມຕາໂບໄລຕ໌ພິເສດສາມາດສັງເກດເຫັນໄດ້ໃນລະດັບປະຊາກອນ, ໃນຂະນະທີ່ຄວາມແຕກຕ່າງດ້ານຄຸນນະພາບທີ່ເຂັ້ມແຂງມັກຈະຮັກສາໄວ້ໃນລະດັບຊະນິດພັນ (20). ດັ່ງນັ້ນ, ຄວາມຫຼາກຫຼາຍທາງດ້ານການເຜົາຜານອາຫານຂອງພືດແມ່ນລັກສະນະຫຼັກຂອງຄວາມຫຼາກຫຼາຍທາງດ້ານໜ້າທີ່, ສະທ້ອນໃຫ້ເຫັນເຖິງຄວາມສາມາດໃນການປັບຕົວເຂົ້າກັບຊ່ອງທາງທີ່ແຕກຕ່າງກັນ, ໂດຍສະເພາະແມ່ນຊ່ອງທາງເຫຼົ່ານັ້ນທີ່ມີຄວາມເປັນໄປໄດ້ໃນການບຸກລຸກທີ່ແຕກຕ່າງກັນໂດຍແມງໄມ້ພິເສດ ແລະ ສັດກິນພືດທົ່ວໄປ (21). ນັບຕັ້ງແຕ່ບົດຄວາມທີ່ສຳຄັນຂອງ Fraenkel (22) ກ່ຽວກັບເຫດຜົນຂອງການມີຢູ່ຂອງສານເມຕາໂບໄລຕ໌ສະເພາະຂອງພືດ, ການພົວພັນກັບແມງໄມ້ຕ່າງໆໄດ້ຖືກຖືວ່າເປັນແຮງກົດດັນໃນການຄັດເລືອກທີ່ສຳຄັນ, ແລະ ການພົວພັນກັບເຫຼົ່ານີ້ເຊື່ອກັນວ່າໄດ້ສ້າງຮູບຮ່າງຂອງພືດໃນລະຫວ່າງການວິວັດທະນາການ. ເສັ້ນທາງການເຜົາຜານອາຫານ (23). ຄວາມແຕກຕ່າງລະຫວ່າງຊະນິດພັນໃນຄວາມຫຼາກຫຼາຍຂອງສານເມຕາໂບໄລຕ໌ພິເສດຍັງອາດຈະສະທ້ອນເຖິງຄວາມສົມດຸນທາງສະລີລະວິທະຍາທີ່ກ່ຽວຂ້ອງກັບການປ້ອງກັນພືດທີ່ເປັນເອກະພາບ ແລະ ສາມາດກະຕຸ້ນໄດ້ຈາກຍຸດທະສາດການກິນພືດ, ຍ້ອນວ່າສອງຊະນິດພັນມັກຈະມີຄວາມສຳພັນທາງລົບກັບກັນແລະກັນ (24). ເຖິງແມ່ນວ່າມັນອາດຈະເປັນປະໂຫຍດທີ່ຈະຮັກສາການປ້ອງກັນທີ່ດີຕະຫຼອດເວລາ, ການປ່ຽນແປງທາງເມຕາໂບລິເວຍທີ່ທັນເວລາທີ່ກ່ຽວຂ້ອງກັບການປ້ອງກັນໃຫ້ຜົນປະໂຫຍດທີ່ຊັດເຈນໃນການອະນຸຍາດໃຫ້ພືດຈັດສັນຊັບພະຍາກອນທີ່ມີຄຸນຄ່າໃຫ້ກັບການລົງທຶນທາງສະລີລະວິທະຍາອື່ນໆ (19, 24), ແລະຫຼີກລ່ຽງຄວາມຕ້ອງການ symbiosis. ຄວາມເສຍຫາຍຕໍ່ກັນ (25). ນອກຈາກນັ້ນ, ການຈັດລະບຽບໃໝ່ຂອງສານເມຕາໂບລິເວຍພິເສດເຫຼົ່ານີ້ທີ່ເກີດຈາກແມງໄມ້ທີ່ກິນພືດອາດຈະນໍາໄປສູ່ການແຈກຢາຍທີ່ທໍາລາຍໃນປະຊາກອນ (26), ແລະອາດຈະສະທ້ອນເຖິງການອ່ານໂດຍກົງຂອງການປ່ຽນແປງທໍາມະຊາດທີ່ສໍາຄັນໃນສັນຍານກົດ jasmonic (JA), ເຊິ່ງອາດຈະຮັກສາໄວ້ໃນປະຊາກອນ. ສັນຍານ JA ສູງ ແລະ ຕໍ່າແມ່ນການແລກປ່ຽນລະຫວ່າງການປ້ອງກັນຕໍ່ສັດກິນພືດ ແລະ ການແຂ່ງຂັນກັບຊະນິດສະເພາະ (27). ນອກຈາກນັ້ນ, ເສັ້ນທາງການສັງເຄາະທາງຊີວະພາບຂອງສານເມຕາໂບລິເວຍພິເສດຈະຜ່ານການສູນເສຍ ແລະ ການຫັນປ່ຽນຢ່າງໄວວາໃນລະຫວ່າງການວິວັດທະນາການ, ເຊິ່ງສົ່ງຜົນໃຫ້ການແຜ່ກະຈາຍທາງເມຕາໂບລິເວຍທີ່ບໍ່ເປັນລະບຽບໃນບັນດາຊະນິດທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ (28). ຄວາມຫຼາກຫຼາຍເຫຼົ່ານີ້ສາມາດສ້າງຕັ້ງຂຶ້ນຢ່າງໄວວາເພື່ອຕອບສະໜອງຕໍ່ການປ່ຽນແປງຮູບແບບການກິນພືດ (29), ຊຶ່ງໝາຍຄວາມວ່າຄວາມຜັນຜວນຂອງຊຸມຊົນສັດກິນພືດແມ່ນປັດໄຈສໍາຄັນທີ່ຂັບເຄື່ອນຄວາມແຕກຕ່າງທາງເມຕາໂບລິເວຍ.
ໃນທີ່ນີ້, ພວກເຮົາໄດ້ແກ້ໄຂບັນຫາຕໍ່ໄປນີ້ໂດຍສະເພາະ. (I) ແມງໄມ້ທີ່ກິນພືດມີການປ່ຽນແປງໂຄງສ້າງຂອງພືດແນວໃດ? (Ii) ອົງປະກອບຂໍ້ມູນຫຼັກຂອງຄວາມຍືດຫຍຸ່ນທາງເມຕາໂບໂລມທີ່ສາມາດວັດແທກໄດ້ເພື່ອທົດສອບການຄາດຄະເນຂອງທິດສະດີການປ້ອງກັນໄລຍະຍາວແມ່ນຫຍັງ? (Iii) ວ່າຈະປັບໂປຣແກຣມເມຕາໂບໂລມຂອງພືດຄືນໃໝ່ໃນລັກສະນະທີ່ເປັນເອກະລັກສະເພາະຂອງຜູ້ໂຈມຕີຫຼືບໍ່, ຖ້າເປັນດັ່ງນັ້ນ, ຮໍໂມນພືດມີບົດບາດແນວໃດໃນການປັບປຸງການຕອບສະໜອງທາງເມຕາໂບໂລມສະເພາະ, ແລະເມຕາໂບໂລມໃດທີ່ປະກອບສ່ວນເຂົ້າໃນການປ້ອງກັນສະເພາະຂອງຊະນິດພັນ? (IV) ເນື່ອງຈາກການຄາດຄະເນທີ່ເຮັດໂດຍທິດສະດີການປ້ອງກັນຫຼາຍຢ່າງສາມາດຂະຫຍາຍໄປທົ່ວທຸກລະດັບຂອງເນື້ອເຍື່ອຊີວະພາບ, ພວກເຮົາໄດ້ຖາມວ່າການຕອບສະຫນອງທາງເມຕາໂບໂລມທີ່ເກີດຈາກຄວາມສອດຄ່ອງກັນແນວໃດຈາກການປຽບທຽບພາຍໃນຈົນເຖິງການປຽບທຽບລະຫວ່າງຊະນິດພັນ? ດ້ວຍເຫດນີ້, ພວກເຮົາໄດ້ສຶກສາຢ່າງເປັນລະບົບກ່ຽວກັບການເຜົາຜານອາຫານຂອງໃບຂອງນິໂຄຕິນຢາສູບ, ເຊິ່ງເປັນພືດແບບຈຳລອງທາງດ້ານນິເວດວິທະຍາທີ່ມີການເຜົາຜານອາຫານພິເສດທີ່ອຸດົມສົມບູນ, ແລະ ມີປະສິດທິພາບຕໍ່ກັບຕົວອ່ອນຂອງສັດກິນພືດພື້ນເມືອງສອງຊະນິດຄື Lepidoptera Datura (Ms) (ຮຸກຮານຫຼາຍ, ສ່ວນໃຫຍ່ກິນ) ໃນ Solanaceae ແລະ Spodoptera littoralis (Sl), ໜອນໃບຝ້າຍແມ່ນປະເພດຂອງ "ສະກຸນ", ພ້ອມກັບພືດເຈົ້າພາບຂອງ Solanaceae ແລະ ເຈົ້າພາບອື່ນໆຂອງສະກຸນ ແລະ ຄອບຄົວອື່ນໆທີ່ເປັນອາຫານຈາກພືດ. ພວກເຮົາໄດ້ວິເຄາະສະເປກຕຣຳການເຜົາຜານອາຫານ MS/MS ແລະ ສະກັດເອົາຕົວອະທິບາຍທາງສະຖິຕິທິດສະດີຂໍ້ມູນເພື່ອປຽບທຽບທິດສະດີ OD ແລະ MT. ສ້າງແຜນທີ່ຄວາມຈຳເພາະເພື່ອເປີດເຜີຍຕົວຕົນຂອງສານເຜົາຜານອາຫານທີ່ສຳຄັນ. ການວິເຄາະໄດ້ຂະຫຍາຍໄປສູ່ປະຊາກອນພື້ນເມືອງຂອງ N. nasi ແລະ ຊະນິດຢາສູບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດເພື່ອວິເຄາະຄວາມແปรປ່ວນລະຫວ່າງສັນຍານຮໍໂມນພືດ ແລະ ການກະຕຸ້ນ OD.
ເພື່ອຈັບພາບແຜນທີ່ໂດຍລວມກ່ຽວກັບຄວາມຍືດຫຍຸ່ນ ແລະ ໂຄງສ້າງຂອງເມຕາໂບໂລມໃບຂອງຢາສູບທີ່ກິນພືດ, ພວກເຮົາໄດ້ໃຊ້ຂັ້ນຕອນການວິເຄາະ ແລະ ການຄິດໄລ່ທີ່ພັດທະນາມາກ່ອນເພື່ອເກັບກຳ ແລະ ແຍກສະເປັກຕຣຳ MS/MS ທີ່ເປັນເອກະລາດຈາກຂໍ້ມູນຄວາມລະອຽດສູງຢ່າງຄົບຖ້ວນຈາກສານສະກັດຈາກພືດ (9). ວິທີການທີ່ບໍ່ແຕກຕ່າງນີ້ (ເອີ້ນວ່າ MS/MS) ສາມາດສ້າງສະເປັກຕຣຳສານປະກອບທີ່ບໍ່ຊ້ຳຊ້ອນ, ເຊິ່ງຫຼັງຈາກນັ້ນສາມາດນຳໃຊ້ສຳລັບການວິເຄາະລະດັບສານປະກອບທັງໝົດທີ່ໄດ້ອະທິບາຍໄວ້ຢູ່ທີ່ນີ້. ເມຕາໂບໂລມພືດທີ່ແຍກອອກມາເຫຼົ່ານີ້ມີຫຼາຍປະເພດ, ປະກອບດ້ວຍເມຕາໂບໂລມຫຼາຍຮ້ອຍຫາຫຼາຍພັນ (ປະມານ 500-1000-s/MS/MS ຢູ່ທີ່ນີ້). ໃນທີ່ນີ້, ພວກເຮົາພິຈາລະນາຄວາມຍືດຫຍຸ່ນຂອງເມຕາໂບໂລມໃນຂອບຂອງທິດສະດີຂໍ້ມູນຂ່າວສານ, ແລະ ຄິດໄລ່ຄວາມຫຼາກຫຼາຍ ແລະ ຄວາມເປັນມືອາຊີບຂອງເມຕາໂບໂລມໂດຍອີງໃສ່ເອນໂທຣປີ Shannon ຂອງການແຈກຢາຍຄວາມຖີ່ຂອງການເມຕາໂບໂລມ. ໂດຍການໃຊ້ສູດທີ່ນຳໃຊ້ກ່ອນໜ້ານີ້ (8), ພວກເຮົາໄດ້ຄິດໄລ່ຊຸດຕົວຊີ້ວັດທີ່ສາມາດໃຊ້ເພື່ອຄິດໄລ່ຄວາມຫຼາກຫຼາຍຂອງເມຕາໂບໂລມ (ຕົວຊີ້ວັດ Hj), ຄວາມຊ່ຽວຊານດ້ານໂປຣໄຟລ໌ການເມຕາໂບໂລມ (ຕົວຊີ້ວັດ δj) ແລະ ຄວາມຈຳເພາະຂອງການເມຕາໂບໂລມຂອງເມຕາໂບໂລມດຽວ (ຕົວຊີ້ວັດ Si). ນອກຈາກນັ້ນ, ພວກເຮົາໄດ້ນຳໃຊ້ດັດຊະນີຄວາມຍືດຫຍຸ່ນໄລຍະທາງທຽບເທົ່າ (RDPI) ເພື່ອວັດແທກຄວາມສາມາດໃນການກະຕຸ້ນການເຜົາຜານອາຫານຂອງສັດກິນພືດ (ຮູບທີ 1A) (30). ພາຍໃນຂອບການສະຖິຕິນີ້, ພວກເຮົາປະຕິບັດຕໍ່ສະເປກຕຣຳ MS/MS ເປັນຫົວໜ່ວຍຂໍ້ມູນພື້ນຖານ, ແລະປະມວນຜົນຄວາມອຸດົມສົມບູນທຽບເທົ່າຂອງ MS/MS ເຂົ້າໃນແຜນທີ່ການແຈກຢາຍຄວາມຖີ່, ແລະຫຼັງຈາກນັ້ນໃຊ້ເອນໂທຣປີ Shannon ເພື່ອປະເມີນຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານຈາກມັນ. ຄວາມຊ່ຽວຊານດ້ານການເຜົາຜານອາຫານແມ່ນວັດແທກໂດຍຄວາມຈຳເພາະສະເລ່ຍຂອງສະເປກຕຣຳ MS/MS ດຽວ. ດັ່ງນັ້ນ, ການເພີ່ມຂຶ້ນຂອງຄວາມອຸດົມສົມບູນຂອງບາງຊັ້ນ MS/MS ຫຼັງຈາກການກະຕຸ້ນການກິນພືດຈະຖືກປ່ຽນເປັນຄວາມສາມາດໃນການກະຕຸ້ນສະເປກຕຣຳ, RDPI ແລະ ຄວາມຊ່ຽວຊານ, ນັ້ນຄືການເພີ່ມຂຶ້ນຂອງດັດຊະນີ δj, ເພາະວ່າສານເຜົາຜານອາຫານທີ່ມີຄວາມຊ່ຽວຊານຫຼາຍຂຶ້ນຖືກຜະລິດ ແລະ ດັດຊະນີ Si ສູງຖືກຜະລິດ. ການຫຼຸດລະດັບຂອງດັດຊະນີຄວາມຫຼາກຫຼາຍ Hj ສະທ້ອນໃຫ້ເຫັນວ່າຈຳນວນ MS/MS ທີ່ສ້າງຂຶ້ນຈະຫຼຸດລົງ, ຫຼື ການແຈກຢາຍຄວາມຖີ່ໂປຣໄຟລ໌ປ່ຽນແປງໄປໃນທິດທາງທີ່ບໍ່ສະເໝີພາບ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມບໍ່ແນ່ນອນໂດຍລວມຂອງມັນ. ຜ່ານການຄິດໄລ່ດັດຊະນີ Si, ມັນເປັນໄປໄດ້ທີ່ຈະເນັ້ນໃຫ້ເຫັນວ່າ MS/MS ໃດທີ່ຖືກກະຕຸ້ນໂດຍສັດກິນພືດບາງຊະນິດ, ໃນທາງກົງກັນຂ້າມ, MS/MS ໃດທີ່ບໍ່ຕອບສະໜອງຕໍ່ການກະຕຸ້ນ, ເຊິ່ງເປັນຕົວຊີ້ວັດຫຼັກເພື່ອຈຳແນກການຄາດຄະເນ MT ແລະ OD.
(ກ) ຕົວອະທິບາຍທາງສະຖິຕິທີ່ໃຊ້ສຳລັບຄວາມບໍ່ສາມາດກະຕຸ້ນຂໍ້ມູນ MS/MS (RDPI), ຄວາມຫຼາກຫຼາຍ (ດັດຊະນີ Hj), ຄວາມຊ່ຽວຊານ (ດັດຊະນີ δj) ແລະ ຄວາມຈຳເພາະຂອງເມຕາໂບໄລ (ດັດຊະນີ Si). ການເພີ່ມຂຶ້ນຂອງລະດັບຄວາມຊ່ຽວຊານ (δj) ຊີ້ບອກວ່າ, ໂດຍສະເລ່ຍແລ້ວ, ຈະມີການຜະລິດເມຕາໂບໄລສະເພາະທີ່ກິນພືດຫຼາຍຂຶ້ນ, ໃນຂະນະທີ່ການຫຼຸດລົງຂອງຄວາມຫຼາກຫຼາຍ (Hj) ຊີ້ບອກເຖິງການຫຼຸດລົງຂອງການຜະລິດເມຕາໂບໄລ ຫຼື ການແຈກຢາຍເມຕາໂບໄລທີ່ບໍ່ສະເໝີພາບໃນແຜນທີ່ການແຈກຢາຍ. ຄ່າ Si ປະເມີນວ່າເມຕາໂບໄລແມ່ນສະເພາະກັບເງື່ອນໄຂທີ່ກຳນົດໃຫ້ (ໃນທີ່ນີ້, ກິນອາຫານພືດ) ຫຼື ຮັກສາໄວ້ໃນລະດັບດຽວກັນໃນທາງກັບກັນ. (ຂ) ແຜນວາດແນວຄວາມຄິດຂອງການຄາດຄະເນທິດສະດີການປ້ອງກັນໂດຍໃຊ້ແກນທິດສະດີຂໍ້ມູນຂ່າວສານ. ທິດສະດີ OD ຄາດຄະເນວ່າການໂຈມຕີຂອງສັດກິນພືດຈະເພີ່ມເມຕາໂບໄລປ້ອງກັນ, ດັ່ງນັ້ນຈຶ່ງເພີ່ມ δj. ໃນເວລາດຽວກັນ, Hj ຫຼຸດລົງເພາະວ່າໂປຣໄຟລ໌ຖືກຈັດລຽງໃໝ່ໄປສູ່ຄວາມບໍ່ແນ່ນອນທີ່ຫຼຸດລົງຂອງຂໍ້ມູນການເຜົາຜານອາຫານ. ທິດສະດີ MT ຄາດຄະເນວ່າການໂຈມຕີຂອງສັດກິນພືດຈະເຮັດໃຫ້ເກີດການປ່ຽນແປງທີ່ບໍ່ມີທິດທາງໃນ metabolome, ດັ່ງນັ້ນຈຶ່ງເພີ່ມ Hj ເປັນຕົວຊີ້ບອກເຖິງຄວາມບໍ່ແນ່ນອນຂອງຂໍ້ມູນການເຜົາຜານອາຫານທີ່ເພີ່ມຂຶ້ນ ແລະ ເຮັດໃຫ້ເກີດການແຈກຢາຍ Si ແບບສຸ່ມ. ພວກເຮົາຍັງໄດ້ສະເໜີຮູບແບບປະສົມ, MT ທີ່ດີທີ່ສຸດ, ເຊິ່ງ metabolites ບາງຊະນິດທີ່ມີຄ່າປ້ອງກັນສູງກວ່າຈະເພີ່ມຂຶ້ນໂດຍສະເພາະ (ຄ່າ Si ສູງ), ໃນຂະນະທີ່ບາງຊະນິດສະແດງການຕອບສະໜອງແບບສຸ່ມ (ຄ່າ Si ຕ່ຳກວ່າ).
ໂດຍການໃຊ້ຕົວອະທິບາຍທິດສະດີຂໍ້ມູນຂ່າວສານ, ພວກເຮົາຕີຄວາມທິດສະດີ OD ເພື່ອຄາດຄະເນວ່າການປ່ຽນແປງຂອງເມຕາໂບໄລພິເສດທີ່ເກີດຈາກສັດກິນພືດໃນສະພາບທີ່ບໍ່ໄດ້ຮັບຜົນກະທົບຈະນຳໄປສູ່ (i) ການເພີ່ມຂຶ້ນຂອງຄວາມຈຳເພາະທາງເມຕາໂບໂນມິກ (ດັດຊະນີ Si) ເຊິ່ງຂັບເຄື່ອນຄວາມຈຳເພາະທາງເມຕາໂບໂນມິກ (ດັດຊະນີ δj) ການເພີ່ມຂຶ້ນຂອງ) ກຸ່ມເມຕາໂບໄລພິເສດບາງກຸ່ມທີ່ມີຄ່າປ້ອງກັນສູງກວ່າ, ແລະ (ii) ການຫຼຸດລົງຂອງຄວາມຫຼາກຫຼາຍຂອງເມຕາໂບໂລມ (ດັດຊະນີ Hj) ເນື່ອງຈາກການປ່ຽນແປງຂອງການແຈກຢາຍຄວາມຖີ່ຂອງເມຕາໂບໄລໄປສູ່ການແຈກຢາຍ leptin ໃນຮ່າງກາຍຫຼາຍຂຶ້ນ. ໃນລະດັບຂອງເມຕາໂບໄລດຽວ, ການແຈກຢາຍ Si ຕາມລຳດັບແມ່ນຄາດວ່າຈະເກີດຂຶ້ນ, ບ່ອນທີ່ເມຕາໂບໄລຈະເພີ່ມຄ່າ Si ຕາມຄ່າປ້ອງກັນຂອງມັນ (ຮູບທີ 1B). ຕາມແນວທາງນີ້, ພວກເຮົາອະທິບາຍທິດສະດີ MT ເພື່ອຄາດຄະເນວ່າການກະຕຸ້ນຈະນຳໄປສູ່ (i) ການປ່ຽນແປງທີ່ບໍ່ມີທິດທາງໃນເມຕາໂບໄລທີ່ສົ່ງຜົນໃຫ້ດັດຊະນີ δj ຫຼຸດລົງ, ແລະ (ii) ການເພີ່ມຂຶ້ນຂອງດັດຊະນີ Hj ເນື່ອງຈາກການເພີ່ມຂຶ້ນຂອງຄວາມບໍ່ແນ່ນອນທາງເມຕາໂບໄລ. ຫຼື ຄວາມສຸ່ມ, ເຊິ່ງສາມາດວັດແທກໄດ້ໂດຍ entropy Shannon ໃນຮູບແບບຂອງຄວາມຫຼາກຫຼາຍທົ່ວໄປ. ສຳລັບອົງປະກອບເມຕາໂບໄລ, ທິດສະດີ MT ຈະຄາດຄະເນການແຈກຢາຍແບບສຸ່ມຂອງ Si. ໂດຍຄຳນຶງເຖິງວ່າສານເມຕາໂບໄລບາງຊະນິດຢູ່ພາຍໃຕ້ເງື່ອນໄຂສະເພາະພາຍໃຕ້ເງື່ອນໄຂສະເພາະ, ແລະເງື່ອນໄຂອື່ນໆບໍ່ໄດ້ຢູ່ພາຍໃຕ້ເງື່ອນໄຂສະເພາະ, ແລະຄ່າປ້ອງກັນຂອງມັນຂຶ້ນກັບສະພາບແວດລ້ອມ, ພວກເຮົາຍັງໄດ້ສະເໜີຮູບແບບການປ້ອງກັນແບບປະສົມ, ເຊິ່ງ δj ແລະ Hj ຖືກແຈກຢາຍເປັນສອງຕາມ Si ເພີ່ມຂຶ້ນໃນທຸກທິດທາງ, ມີພຽງແຕ່ກຸ່ມເມຕາໂບໄລບາງກຸ່ມເທົ່ານັ້ນ, ເຊິ່ງມີຄ່າປ້ອງກັນສູງກວ່າ, ຈະເພີ່ມ Si ໂດຍສະເພາະ, ໃນຂະນະທີ່ກຸ່ມອື່ນໆຈະມີການແຈກຢາຍແບບສຸ່ມ (ຮູບທີ 1B).
ເພື່ອທົດສອບການຄາດຄະເນທິດສະດີປ້ອງກັນທີ່ໄດ້ກຳນົດໄວ້ໃໝ່ໃນແກນຂອງຕົວອະທິບາຍທິດສະດີຂໍ້ມູນ, ພວກເຮົາໄດ້ຍົກຕົວອ່ອນຂອງຜູ້ຊ່ຽວຊານ (Ms) ຫຼື ຕົວອ່ອນທົ່ວໄປ (Sl) ທີ່ກິນພືດເປັນອາຫານຢູ່ເທິງໃບຂອງ Nepenthes pallens (ຮູບທີ 2A). ໂດຍການໃຊ້ການວິເຄາະ MS/MS, ພວກເຮົາໄດ້ດຶງເອົາສະເປກຕຣຳ MS/MS ທີ່ບໍ່ຊ້ຳກັນ 599 ອັນ (ໄຟລ໌ຂໍ້ມູນ S1) ຈາກສານສະກັດຈາກເມທານອນຂອງເນື້ອເຍື່ອໃບທີ່ເກັບມາຫຼັງຈາກການກິນໜອນ. ການໃຊ້ດັດຊະນີ RDPI, Hj, ແລະ δj ເພື່ອສະແດງພາບການຕັ້ງຄ່າຄືນໃໝ່ຂອງເນື້ອໃນຂໍ້ມູນໃນໄຟລ໌ການຕັ້ງຄ່າ MS/MS ເປີດເຜີຍຮູບແບບທີ່ໜ້າສົນໃຈ (ຮູບທີ 2B). ແນວໂນ້ມໂດຍລວມແມ່ນວ່າ, ດັ່ງທີ່ໄດ້ອະທິບາຍໂດຍຕົວອະທິບາຍຂໍ້ມູນ, ໃນຂະນະທີ່ໜອນສືບຕໍ່ກິນໃບ, ລະດັບຂອງການຈັດລະບຽບການເຜົາຜານອາຫານທັງໝົດເພີ່ມຂຶ້ນຕາມການເວລາ: 72 ຊົ່ວໂມງຫຼັງຈາກສັດກິນພືດເປັນອາຫານ, RDPI ເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ເມື່ອປຽບທຽບກັບກຸ່ມຄວບຄຸມທີ່ບໍ່ເສຍຫາຍ, Hj ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ, ເຊິ່ງເປັນຍ້ອນລະດັບຄວາມຊ່ຽວຊານທີ່ເພີ່ມຂຶ້ນຂອງໂປຣໄຟລ໌ການເຜົາຜານອາຫານ, ເຊິ່ງໄດ້ຖືກວັດແທກໂດຍດັດຊະນີ δj. ແນວໂນ້ມທີ່ເຫັນໄດ້ຊັດເຈນນີ້ສອດຄ່ອງກັບການຄາດຄະເນຂອງທິດສະດີ OD, ແຕ່ບໍ່ສອດຄ່ອງກັບການຄາດຄະເນຫຼັກຂອງທິດສະດີ MT, ເຊິ່ງເຊື່ອວ່າການປ່ຽນແປງແບບສຸ່ມ (ບໍ່ແມ່ນທິດທາງ) ໃນລະດັບເມຕາໂບໄລທ໌ຖືກນຳໃຊ້ເປັນການປອມແປງປ້ອງກັນ (ຮູບທີ 1B). ເຖິງແມ່ນວ່າປະລິມານຕົວກະຕຸ້ນການຫຼั่งທາງປາກ (OS) ແລະ ພຶດຕິກຳການກິນອາຫານຂອງສັດກິນພືດສອງຊະນິດນີ້ແມ່ນແຕກຕ່າງກັນ, ການກິນອາຫານໂດຍກົງຂອງພວກມັນເຮັດໃຫ້ເກີດການປ່ຽນແປງທີ່ຄ້າຍຄືກັນໃນທິດທາງຂອງ Hj ແລະ δj ໃນລະຫວ່າງໄລຍະເວລາເກັບກ່ຽວ 24 ຊົ່ວໂມງ ແລະ 72 ຊົ່ວໂມງ. ຄວາມແຕກຕ່າງພຽງແຕ່ເກີດຂຶ້ນທີ່ 72 ຊົ່ວໂມງຂອງ RDPI. ເມື່ອປຽບທຽບກັບການໃຫ້ອາຫານ Ms, ການເຜົາຜານອາຫານໂດຍລວມທີ່ເກີດຈາກການໃຫ້ອາຫານ Sl ແມ່ນສູງກວ່າ.
(ກ) ແບບທົດລອງ: ໝູທົ່ວໄປ (S1) ຫຼື ຜູ້ຊ່ຽວຊານ (Ms) ກິນໃບທີ່ເອົາເກືອອອກຈາກພືດໃນໂຖ, ໃນຂະນະທີ່ສຳລັບພືດທີ່ກິນພືດແບບຈຳລອງ, OS ຂອງ Ms (W + OSMs) ຖືກນຳໃຊ້ເພື່ອຈັດການກັບບາດແຜຂອງຕຳແໜ່ງໃບມາດຕະຖານ. ຕົວອ່ອນ S1 (W + OSSl) ຫຼື ນ້ຳ (W + W). ສ່ວນຄວບຄຸມ (C) ແມ່ນໃບທີ່ບໍ່ເສຍຫາຍ. (ຂ) ດັດຊະນີຄວາມບໍ່ສາມາດກະຕຸ້ນໄດ້ (RDPI ທຽບກັບຕາຕະລາງຄວບຄຸມ), ຄວາມຫຼາກຫຼາຍ (ດັດຊະນີ Hj) ແລະ ຄວາມຊ່ຽວຊານ (ດັດຊະນີ δj) ທີ່ຄິດໄລ່ສຳລັບແຜນທີ່ການເຜົາຜານພິເສດ (599 MS/MS; ໄຟລ໌ຂໍ້ມູນ S1). ເຄື່ອງໝາຍດາວຊີ້ບອກເຖິງຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງການກິນສັດກິນພືດໂດຍກົງ ແລະ ກຸ່ມຄວບຄຸມ (ການທົດສອບ t ຂອງນັກຮຽນທີ່ມີການທົດສອບ t ຄູ່, *P<0.05 ແລະ ***P<0.001). ns, ບໍ່ສຳຄັນ. (C) ດັດຊະນີຄວາມລະອຽດຂອງເວລາຂອງຫຼັກ (ກ່ອງສີຟ້າ, ກົດອະມິໂນ, ກົດອິນຊີ ແລະ ນ້ຳຕານ; ໄຟລ໌ຂໍ້ມູນ S2) ແລະ ສະເປກຕຣຳເມຕາໂບໄລທ໌ພິເສດ (ກ່ອງສີແດງ 443 MS/MS; ໄຟລ໌ຂໍ້ມູນ S1) ຫຼັງຈາກການປິ່ນປົວດ້ວຍພືດສະໝຸນໄພແບບຈຳລອງ. ແຖບສີໝາຍເຖິງຊ່ວງຄວາມເຊື່ອໝັ້ນ 95%. ເຄື່ອງໝາຍດາວຊີ້ບອກເຖິງຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງການປິ່ນປົວ ແລະ ການຄວບຄຸມ [ການວິເຄາະຄວາມແปรປ່ວນກຳລັງສອງ (ANOVA), ຕາມດ້ວຍຄວາມແຕກຕ່າງທີ່ສຳຄັນຂອງ Tukey (HSD) ສຳລັບການປຽບທຽບຫຼາຍອັນຫຼັງເຫດການ, *P<0.05, **P<0.01 ແລະ *** P <0.001]. (D) ການຊ່ຽວຊານຂອງແຜນຜັງກະແຈກກະຈາຍ ແລະ ໂປຣໄຟລ໌ເມຕາໂບໄລທ໌ພິເສດ (ຕົວຢ່າງຊ້ຳໆດ້ວຍການປິ່ນປົວທີ່ແຕກຕ່າງກັນ).
ເພື່ອຄົ້ນຫາວ່າການປ່ຽນແປງທີ່ເກີດຈາກສັດກິນພືດໃນລະດັບເມຕາໂບໂລມສະທ້ອນໃຫ້ເຫັນໃນການປ່ຽນແປງໃນລະດັບຂອງສານເມຕາໂບໂລມແຕ່ລະຊະນິດຫຼືບໍ່, ກ່ອນອື່ນໝົດພວກເຮົາໄດ້ສຸມໃສ່ສານເມຕາໂບໂລມທີ່ໄດ້ສຶກສາກ່ອນໜ້ານີ້ໃນໃບຂອງນົກ Nepenthes pallens ທີ່ມີຄວາມຕ້ານທານຂອງສັດກິນພືດທີ່ພິສູດແລ້ວ. ຟີນໍລິກອະໄມດ໌ແມ່ນສານປະສົມໄຮດຣອກຊີຊິນນາມາໄມດ໌-ໂພລີອາມີນທີ່ສະສົມໃນລະຫວ່າງຂະບວນການກິນພືດຂອງແມງໄມ້ ແລະ ເປັນທີ່ຮູ້ຈັກວ່າຫຼຸດຜ່ອນປະສິດທິພາບຂອງແມງໄມ້ (32). ພວກເຮົາໄດ້ຄົ້ນຫາຕົວກ່ອນຂອງ MS/MS ທີ່ສອດຄ້ອງກັນ ແລະ ວາງແຜນເສັ້ນໂຄ້ງການເຄື່ອນທີ່ສະສົມຂອງພວກມັນ (ຮູບ S1). ບໍ່ແປກໃຈເລີຍ, ອະນຸພັນຟີນໍລທີ່ບໍ່ກ່ຽວຂ້ອງໂດຍກົງໃນການປ້ອງກັນສັດກິນພືດ, ເຊັ່ນ: ກົດຄລໍໂຣເຈນິກ (CGA) ແລະ ຣູຕິນ, ຈະຖືກຫຼຸດລົງຫຼັງຈາກການກິນພືດ. ໃນທາງກົງກັນຂ້າມ, ສັດກິນພືດສາມາດເຮັດໃຫ້ຟີນໍລອະໄມດ໌ມີພະລັງສູງ. ການໃຫ້ອາຫານຢ່າງຕໍ່ເນື່ອງຂອງສັດກິນພືດທັງສອງຊະນິດເຮັດໃຫ້ມີລະດັບການກະຕຸ້ນຟີນໍລອະໄມດ໌ເກືອບຄືກັນ, ແລະຮູບແບບນີ້ແມ່ນເຫັນໄດ້ຊັດເຈນໂດຍສະເພາະສຳລັບການສັງເຄາະຟີນໍລອະໄມດ໌ແບບໃໝ່. ປະກົດການດຽວກັນນີ້ຈະຖືກສັງເກດເຫັນເມື່ອຄົ້ນຫາເສັ້ນທາງ 17-hydroxygeranyl nonanediol diterpene glycosides (17-HGL-DTGs), ເຊິ່ງຜະລິດ diterpenes acyclic ຈຳນວນຫຼວງຫຼາຍທີ່ມີໜ້າທີ່ຕ້ານການກິນພືດທີ່ມີປະສິດທິພາບ (33), ເຊິ່ງ Ms Feeding with Sl ກະຕຸ້ນຮູບແບບການສະແດງອອກທີ່ຄ້າຍຄືກັນ (ຮູບ S1)).
ຂໍ້ເສຍປຽບທີ່ອາດເກີດຂຶ້ນຈາກການທົດລອງການໃຫ້ອາຫານໂດຍກົງຂອງສັດກິນພືດແມ່ນຄວາມແຕກຕ່າງຂອງອັດຕາການກິນໃບ ແລະ ເວລາການໃຫ້ອາຫານຂອງສັດກິນພືດ, ເຊິ່ງເຮັດໃຫ້ມັນຍາກທີ່ຈະກຳຈັດຜົນກະທົບສະເພາະຂອງສັດກິນພືດທີ່ເກີດຈາກບາດແຜ ແລະ ສັດກິນພືດ. ເພື່ອແກ້ໄຂບັນຫາຄວາມຈຳເພາະຂອງຊະນິດສັດກິນພືດຂອງການຕອບສະໜອງການເຜົາຜານອາຫານຂອງໃບທີ່ກະຕຸ້ນໃຫ້ດີຂຶ້ນ, ພວກເຮົາໄດ້ຈຳລອງການໃຫ້ອາຫານຂອງຕົວອ່ອນ Ms ແລະ Sl ໂດຍການນຳໃຊ້ OS ທີ່ເກັບມາໃໝ່ (OSM ແລະ OSS1) ທັນທີໃສ່ກັບຮູມາດຕະຖານ W ຂອງຕຳແໜ່ງໃບທີ່ສອດຄ່ອງ. ຂັ້ນຕອນນີ້ເອີ້ນວ່າການປິ່ນປົວດ້ວຍ W + OS, ແລະ ມັນມາດຕະຖານການກະຕຸ້ນໂດຍການກຳນົດເວລາທີ່ແນ່ນອນຂອງການເລີ່ມຕົ້ນຂອງການຕອບສະໜອງທີ່ເກີດຈາກສັດກິນພືດໂດຍບໍ່ກໍ່ໃຫ້ເກີດຜົນກະທົບທີ່ສັບສົນຂອງຄວາມແຕກຕ່າງໃນອັດຕາ ຫຼື ປະລິມານຂອງການສູນເສຍເນື້ອເຍື່ອ (ຮູບທີ 2A) (34). ໂດຍການໃຊ້ທໍ່ວິເຄາະ ແລະ ການຄິດໄລ່ MS/MS, ພວກເຮົາໄດ້ດຶງເອົາສະເປັກຕຣຳ MS/MS 443 ອັນ (ໄຟລ໌ຂໍ້ມູນ S1), ເຊິ່ງຊ້ອນກັນກັບສະເປັກຕຣຳທີ່ປະກອບມາກ່ອນຈາກການທົດລອງການໃຫ້ອາຫານໂດຍກົງ. ການວິເຄາະທິດສະດີຂໍ້ມູນຂ່າວສານຂອງຊຸດຂໍ້ມູນ MS/MS ນີ້ສະແດງໃຫ້ເຫັນວ່າການຕັ້ງໂປຣແກຣມໃໝ່ຂອງເມຕາໂບໂລມທີ່ມີຄວາມຊ່ຽວຊານດ້ານໃບໂດຍການຈຳລອງສັດກິນພືດສະແດງໃຫ້ເຫັນການກະຕຸ້ນສະເພາະ OS (ຮູບທີ 2C). ໂດຍສະເພາະ, ເມື່ອປຽບທຽບກັບການປິ່ນປົວດ້ວຍ OSS1, OSM ເຮັດໃຫ້ເກີດການເພີ່ມຂຶ້ນຂອງຄວາມຊ່ຽວຊານດ້ານເມຕາໂບໂລມໃນເວລາ 4 ຊົ່ວໂມງ. ມັນເປັນສິ່ງທີ່ໜ້າສັງເກດວ່າເມື່ອປຽບທຽບກັບຊຸດຂໍ້ມູນການທົດລອງການກິນອາຫານສັດກິນພືດໂດຍກົງ, ຈັງວະການເຜົາຜານອາຫານທີ່ເບິ່ງເຫັນໃນພື້ນທີ່ສອງມິຕິໂດຍໃຊ້ Hj ແລະ δj ເປັນພິກັດ ແລະ ທິດທາງຂອງການຊ່ຽວຊານດ້ານເມຕາໂບໂລມໃນການຕອບສະໜອງຕໍ່ການປິ່ນປົວດ້ວຍສັດກິນພືດຈຳລອງໃນໄລຍະເວລາເພີ່ມຂຶ້ນຢ່າງສອດຄ່ອງ (ຮູບທີ 2D). ໃນເວລາດຽວກັນ, ພວກເຮົາໄດ້ຄິດໄລ່ປະລິມານຂອງກົດອະມິໂນ, ກົດອິນຊີ ແລະ ນ້ຳຕານ (ໄຟລ໌ຂໍ້ມູນ S2) ເພື່ອສືບສວນວ່າການເພີ່ມຂຶ້ນເປົ້າໝາຍນີ້ໃນຄວາມຊ່ຽວຊານດ້ານເມຕາໂບໂລມແມ່ນຍ້ອນການຕັ້ງຄ່າໃໝ່ຂອງການເຜົາຜານຄາບອນສູນກາງໃນການຕອບສະໜອງຕໍ່ສັດກິນພືດຈຳລອງ (ຮູບທີ S2). ເພື່ອອະທິບາຍຮູບແບບນີ້ໃຫ້ດີຂຶ້ນ, ພວກເຮົາໄດ້ຕິດຕາມຕື່ມອີກກ່ຽວກັບຈັງວະການສະສົມການເຜົາຜານອາຫານຂອງເສັ້ນທາງ phenolamide ແລະ 17-HGL-DTG ທີ່ໄດ້ກ່າວມາກ່ອນໜ້ານີ້. ການກະຕຸ້ນ OS ສະເພາະຂອງສັດກິນພືດໄດ້ຖືກປ່ຽນເປັນຮູບແບບການຈັດລຽງໃໝ່ທີ່ແຕກຕ່າງກັນພາຍໃນການເຜົາຜານອາຫານ phenolamide (ຮູບ S3). phenolic amides ທີ່ມີ coumarin ແລະ caffeoyl moieties ແມ່ນຖືກກະຕຸ້ນໂດຍ OSS1, ໃນຂະນະທີ່ OSMs ກະຕຸ້ນການກະຕຸ້ນສະເພາະຂອງ ferulyl conjugates. ສຳລັບເສັ້ນທາງ 17-HGL-DTG, ການກະຕຸ້ນ OS ທີ່ແຕກຕ່າງກັນໂດຍ malonylation ລຸ່ມນ້ຳ ແລະ ຜະລິດຕະພັນ dimalonylation ໄດ້ຖືກກວດພົບ (ຮູບ S3).
ຕໍ່ໄປ, ພວກເຮົາໄດ້ສຶກສາຄວາມຍືດຫຍຸ່ນຂອງ transcriptome ທີ່ເກີດຈາກ OS ໂດຍໃຊ້ຊຸດຂໍ້ມູນ microarray ທີ່ໃຊ້ເວລາ, ເຊິ່ງຈຳລອງການໃຊ້ OSMs ເພື່ອປິ່ນປົວໃບຂອງໃບພືດ rosette ໃນສັດກິນພືດ. ຈັງວະການເກັບຕົວຢ່າງໂດຍພື້ນຖານແລ້ວຊ້ອນກັນກັບຈັງວະທີ່ໃຊ້ໃນການສຶກສາ metabolomics ນີ້ (35). ເມື່ອປຽບທຽບກັບການຕັ້ງຄ່າ metabolome ຄືນໃໝ່ທີ່ຄວາມຍືດຫຍຸ່ນຂອງ metabolic ເພີ່ມຂຶ້ນໂດຍສະເພາະຕາມການເວລາ, ພວກເຮົາສັງເກດເຫັນການລະເບີດຂອງ transcription bursts ຊົ່ວຄາວໃນໃບທີ່ເກີດຈາກ Ms, ບ່ອນທີ່ການກະຕຸ້ນ transcriptome (RDPI) ແລະ specialization (δj) ຢູ່ທີ່ 1 ມີການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນຊົ່ວໂມງ, ແລະ ຄວາມຫຼາກຫຼາຍ (Hj) ໃນຈຸດເວລານີ້, ການສະແດງອອກຂອງ BMP1 ໄດ້ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ, ຕາມດ້ວຍການຜ່ອນຄາຍຂອງ specialization transcriptome (ຮູບ S4). ຄອບຄົວ gene metabolic (ເຊັ່ນ P450, glycosyltransferase, ແລະ BAHD acyltransferase) ເຂົ້າຮ່ວມໃນຂະບວນການປະກອບ metabolites ພິເສດຈາກຫົວໜ່ວຍໂຄງສ້າງທີ່ໄດ້ມາຈາກ metabolism ປະຖົມ, ໂດຍປະຕິບັດຕາມຮູບແບບຄວາມຊ່ຽວຊານສູງໃນຕອນຕົ້ນທີ່ໄດ້ກ່າວມາຂ້າງເທິງ. ໃນຖານະເປັນການສຶກສາກໍລະນີ, ເສັ້ນທາງ phenylalanine ໄດ້ຖືກວິເຄາະ. ການວິເຄາະຢືນຢັນວ່າ ພັນທຸກໍາຫຼັກໃນການເຜົາຜານອາຫານ phenolamide ແມ່ນເກີດຈາກ OS ສູງໃນສັດກິນພືດເມື່ອທຽບກັບພືດທີ່ບໍ່ໄດ້ຮັບການດຶງດູດ, ແລະມີຄວາມສອດຄ່ອງກັນຢ່າງໃກ້ຊິດໃນຮູບແບບການສະແດງອອກຂອງພວກມັນ. ປັດໄຈການຖອດລະຫັດ MYB8 ແລະ ພັນທຸກໍາໂຄງສ້າງ PAL1, PAL2, C4H ແລະ 4CL ໃນເສັ້ນທາງຕົ້ນນ້ຳນີ້ສະແດງໃຫ້ເຫັນເຖິງການເລີ່ມຕົ້ນຂອງການຖອດລະຫັດໃນໄລຍະຕົ້ນ. Acyltransferases ທີ່ມີບົດບາດໃນການປະກອບສຸດທ້າຍຂອງ phenolamide, ເຊັ່ນ AT1, DH29, ແລະ CV86, ສະແດງຮູບແບບການເພີ່ມຂຶ້ນຂອງການປັບຕົວທີ່ຍາວນານ (ຮູບ S4). ການສັງເກດຂ້າງເທິງຊີ້ໃຫ້ເຫັນວ່າການເລີ່ມຕົ້ນໃນຕອນຕົ້ນຂອງການຊ່ຽວຊານດ້ານການຖອດລະຫັດ ແລະ ການປັບປຸງໃນພາຍຫຼັງຂອງການຊ່ຽວຊານດ້ານການເຜົາຜານອາຫານແມ່ນຮູບແບບຄູ່, ເຊິ່ງອາດຈະເປັນຍ້ອນລະບົບການຄວບຄຸມແບບ synchronous ທີ່ເລີ່ມຕົ້ນການຕອບສະໜອງການປ້ອງກັນທີ່ມີປະສິດທິພາບ.
ການຕັ້ງຄ່າໃໝ່ໃນການສົ່ງສັນຍານຮໍໂມນພືດເຮັດໜ້າທີ່ເປັນຊັ້ນຄວບຄຸມທີ່ປະສົມປະສານຂໍ້ມູນສັດກິນພືດເພື່ອຂຽນໂປຣແກຣມສະລີລະວິທະຍາຂອງພືດຄືນໃໝ່. ຫຼັງຈາກການຈຳລອງສັດກິນພືດ, ພວກເຮົາໄດ້ວັດແທກການເຄື່ອນໄຫວສະສົມຂອງໝວດໝູ່ຮໍໂມນພືດທີ່ສຳຄັນ ແລະ ເບິ່ງເຫັນການສະແດງອອກຮ່ວມຊົ່ວຄາວລະຫວ່າງພວກມັນ [ສຳປະສິດສະຫະສຳພັນ Pearson (PCC)> 0.4] (ຮູບທີ 3A). ຕາມທີ່ຄາດໄວ້, ຮໍໂມນພືດທີ່ກ່ຽວຂ້ອງກັບການສັງເຄາະທາງຊີວະພາບແມ່ນເຊື່ອມຕໍ່ພາຍໃນເຄືອຂ່າຍການສະແດງອອກຮ່ວມຂອງຮໍໂມນພືດ. ນອກຈາກນັ້ນ, ຄວາມຈຳເພາະທາງເມຕາໂບລິກ (ດັດຊະນີ Si) ແມ່ນແຜນທີ່ໄປຫາເຄືອຂ່າຍນີ້ເພື່ອເນັ້ນໃສ່ຮໍໂມນພືດທີ່ເກີດຈາກການປິ່ນປົວທີ່ແຕກຕ່າງກັນ. ສອງຂົງເຂດຫຼັກຂອງການຕອບສະໜອງສະເພາະຂອງສັດກິນພືດໄດ້ຖືກແຕ້ມຂຶ້ນ: ໜຶ່ງແມ່ນຢູ່ໃນກຸ່ມ JA, ບ່ອນທີ່ JA (ຮູບແບບການເຄື່ອນໄຫວທາງຊີວະພາບຂອງມັນ JA-Ile) ແລະອະນຸພັນ JA ອື່ນໆສະແດງໃຫ້ເຫັນຄະແນນ Si ສູງສຸດ; ອີກອັນໜຶ່ງແມ່ນ ethylene (ET). Gibberellin ສະແດງໃຫ້ເຫັນການເພີ່ມຂຶ້ນປານກາງໃນຄວາມຈຳເພາະຂອງສັດກິນພືດ, ໃນຂະນະທີ່ຮໍໂມນພືດອື່ນໆ, ເຊັ່ນ cytokinin, auxin, ແລະ abscisic acid, ມີຄວາມຈຳເພາະຂອງການກະຕຸ້ນຕ່ຳສຳລັບສັດກິນພືດ. ເມື່ອປຽບທຽບກັບການໃຊ້ W + W ຢ່າງດຽວ, ການຂະຫຍາຍຄ່າສູງສຸດຂອງອະນຸພັນ JA ຜ່ານແອັບພລິເຄຊັນ OS (W + OS) ໂດຍພື້ນຖານແລ້ວສາມາດປ່ຽນເປັນຕົວຊີ້ວັດສະເພາະທີ່ເຂັ້ມແຂງຂອງ JAs. ໂດຍບໍ່ຄາດຄິດ, OSM ແລະ OSS1 ທີ່ມີເນື້ອໃນ elicitor ທີ່ແຕກຕ່າງກັນເປັນທີ່ຮູ້ຈັກວ່າເຮັດໃຫ້ເກີດການສະສົມທີ່ຄ້າຍຄືກັນຂອງ JA ແລະ JA-Ile. ກົງກັນຂ້າມກັບ OSS1, OSM ແມ່ນກະຕຸ້ນໂດຍສະເພາະແລະແຂງແຮງໂດຍ OSMs, ໃນຂະນະທີ່ OSS1 ບໍ່ໄດ້ຂະຫຍາຍການຕອບສະໜອງຂອງບາດແຜພື້ນຖານ (ຮູບທີ 3B).
(A) ການວິເຄາະເຄືອຂ່າຍການສະແດງອອກຮ່ວມກັນໂດຍອີງໃສ່ການຄິດໄລ່ PCC ຂອງການຈຳລອງການສະສົມຮໍໂມນພືດທີ່ເກີດຈາກສັດກິນພືດ. ໂຫນດເປັນຕົວແທນຂອງຮໍໂມນພືດດຽວ, ແລະຂະໜາດຂອງໂຫນດເປັນຕົວແທນຂອງດັດຊະນີ Si ສະເພາະກັບຮໍໂມນພືດລະຫວ່າງການປິ່ນປົວ. (B) ການສະສົມຂອງ JA, JA-Ile ແລະ ET ໃນໃບທີ່ເກີດຈາກການປິ່ນປົວທີ່ແຕກຕ່າງກັນທີ່ຊີ້ບອກໂດຍສີທີ່ແຕກຕ່າງກັນ: ສີແອບປຣີຄອດ, W + OSM; ສີຟ້າ, W + OSSl; ສີດຳ, W + W; ສີເທົາ, C (ກຸ່ມຄວບຄຸມ). ເຄື່ອງໝາຍດາວຊີ້ບອກເຖິງຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງການປິ່ນປົວ ແລະ ກຸ່ມຄວບຄຸມ (ANOVA ສອງທາງ ຕາມດ້ວຍການປຽບທຽບຫຼາຍອັນຂອງ Tukey HSD post hoc, *** P <0.001). ການວິເຄາະທິດສະດີຂໍ້ມູນຂອງ (C)697 MS/MS (ໄຟລ໌ຂໍ້ມູນ S1) ໃນການສັງເຄາະຊີວະພາບຂອງ JA ແລະ ລະດັບການຮັບຮູ້ທີ່ບົກຜ່ອງ (irAOC ແລະ irCOI1) ແລະ (D)585 MS/MS (ໄຟລ໌ຂໍ້ມູນ S1) ໃນ ETR1 ທີ່ມີສັນຍານ ET ທີ່ບົກຜ່ອງ ການປິ່ນປົວສັດກິນພືດແບບຈຳລອງສອງຄັ້ງໄດ້ກະຕຸ້ນສາຍພັນພືດ ແລະ ພືດຄວບຄຸມພາຫະນະຫວ່າງເປົ່າ (EV). ເຄື່ອງໝາຍດາວຊີ້ບອກເຖິງຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງການປິ່ນປົວດ້ວຍ W+OS ແລະ ການຄວບຄຸມທີ່ບໍ່ເສຍຫາຍ (ANOVA ສອງທາງ ຕາມດ້ວຍການປຽບທຽບຫຼາຍອັນຫຼັງການທົດລອງ Tukey HSD, *P<0.05, **P<0.01 ແລະ ***P<0.001). (E) ກຣາຟທີ່ກະແຈກກະຈາຍຂອງການຄັດຄ້ານແບບກະແຈກກະຈາຍຕໍ່ກັບຄວາມຊ່ຽວຊານ. ສີເປັນຕົວແທນຂອງສາຍພັນທີ່ຖືກດັດແປງພັນທຸກຳທີ່ແຕກຕ່າງກັນ; ສັນຍະລັກເປັນຕົວແທນຂອງວິທີການປິ່ນປົວທີ່ແຕກຕ່າງກັນ: ສາມຫຼ່ຽມ, W + OSS1; ຮູບສີ່ແຈສາກ, W + OSM; ວົງມົນ C
ຕໍ່ໄປ, ພວກເຮົາໃຊ້ສາຍພັນທີ່ຖືກດັດແປງພັນທຸກໍາຂອງ Nepenthes ທີ່ຖືກຫຼຸດຜ່ອນ (irCOI1 ແລະ sETR1) ໃນຂັ້ນຕອນສໍາຄັນຂອງການສັງເຄາະ JA ແລະ ET (irAOC ແລະ irACO) ແລະ ການຮັບຮູ້ (irCOI1 ແລະ sETR1) ເພື່ອວິເຄາະການເຜົາຜານອາຫານຂອງຮໍໂມນພືດສອງຊະນິດນີ້ໃນສັດກິນພືດ. ການປະກອບສ່ວນທີ່ກ່ຽວຂ້ອງຂອງການຂຽນໂປຣແກຣມຄືນໃໝ່. ສອດຄ່ອງກັບການທົດລອງທີ່ຜ່ານມາ, ພວກເຮົາໄດ້ຢືນຢັນການກະຕຸ້ນຂອງ OSS ຂອງສັດກິນພືດໃນພືດທີ່ຫວ່າງເປົ່າ (EV) (ຮູບທີ 3, C ຫາ D) ແລະ ການຫຼຸດລົງໂດຍລວມຂອງດັດຊະນີ Hj ທີ່ເກີດຈາກ OSM, ໃນຂະນະທີ່ດັດຊະນີ δj ເພີ່ມຂຶ້ນ. ການຕອບສະໜອງແມ່ນເດັ່ນຊັດກວ່າການຕອບສະໜອງທີ່ເກີດຈາກ OSS1. ກຣາຟສອງເສັ້ນໂດຍໃຊ້ Hj ແລະ δj ເປັນພິກັດສະແດງໃຫ້ເຫັນເຖິງການຍົກເລີກກົດລະບຽບສະເພາະ (ຮູບທີ 3E). ແນວໂນ້ມທີ່ຊັດເຈນທີ່ສຸດແມ່ນວ່າໃນສາຍພັນທີ່ຂາດສັນຍານ JA, ຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານ ແລະ ການປ່ຽນແປງຄວາມຊ່ຽວຊານທີ່ເກີດຈາກສັດກິນພືດຈະຖືກລົບລ້າງເກືອບໝົດ (ຮູບທີ 3C). ໃນທາງກົງກັນຂ້າມ, ການຮັບຮູ້ ET ທີ່ງຽບສະຫງົບໃນພືດ sETR1, ເຖິງແມ່ນວ່າຜົນກະທົບໂດຍລວມຕໍ່ການປ່ຽນແປງຂອງການເຜົາຜານອາຫານທີ່ກິນພືດແມ່ນຕໍ່າກວ່າສັນຍານ JA ຫຼາຍ, ແຕ່ຫຼຸດຜ່ອນຄວາມແຕກຕ່າງໃນດັດຊະນີ Hj ແລະ δj ລະຫວ່າງການກະຕຸ້ນ OSM ແລະ OSS1 (ຮູບທີ 3D ແລະຮູບ S5). . ນີ້ຊີ້ໃຫ້ເຫັນວ່ານອກເໜືອໄປຈາກໜ້າທີ່ຫຼັກຂອງການຖ່າຍທອດສັນຍານ JA, ການສົ່ງສັນຍານ ET ຍັງເປັນຕົວປັບການຕອບສະໜອງການເຜົາຜານອາຫານສະເພາະຂອງຊະນິດພັນຂອງສັດກິນພືດ. ສອດຄ່ອງກັບໜ້າທີ່ການປັບແຕ່ງນີ້, ບໍ່ມີການປ່ຽນແປງໃນການຊັກນຳການເຜົາຜານອາຫານໂດຍລວມໃນພືດ sETR1. ໃນທາງກົງກັນຂ້າມ, ເມື່ອທຽບກັບພືດ sETR1, ພືດ irACO ໄດ້ກະຕຸ້ນຄວາມກວ້າງໂດຍລວມທີ່ຄ້າຍຄືກັນຂອງການປ່ຽນແປງການເຜົາຜານອາຫານທີ່ເກີດຈາກສັດກິນພືດ, ແຕ່ສະແດງໃຫ້ເຫັນຄະແນນ Hj ແລະ δj ທີ່ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍລະຫວ່າງສິ່ງທ້າທາຍ OSM ແລະ OSS1 (ຮູບ S5).
ເພື່ອກຳນົດສານເມຕາໂບໄລພິເສດທີ່ມີການປະກອບສ່ວນທີ່ສຳຄັນຕໍ່ການຕອບສະໜອງສະເພາະຂອງຊະນິດພັນຂອງສັດກິນພືດ ແລະ ປັບປຸງການຜະລິດຂອງມັນຜ່ານສັນຍານ ET, ພວກເຮົາໄດ້ໃຊ້ວິທີການ MS/MS ໂຄງສ້າງທີ່ພັດທະນາກ່ອນໜ້ານີ້. ວິທີການນີ້ອີງໃສ່ວິທີການຈັດກຸ່ມສອງກຸ່ມເພື່ອອະນຸມານຄອບຄົວເມຕາໂບໄລຈາກຊິ້ນສ່ວນ MS/MS [ຜົນຄູນຈຸດປົກກະຕິ (NDP)] ແລະ ຄະແນນຄວາມຄ້າຍຄືກັນໂດຍອີງໃສ່ການສູນເສຍທີ່ເປັນກາງ (NL). ຊຸດຂໍ້ມູນ MS/MS ທີ່ສ້າງຂຶ້ນໂດຍຜ່ານການວິເຄາະສາຍພັນ transgenic ET ໄດ້ຜະລິດ 585 MS/MS (ໄຟລ໌ຂໍ້ມູນ S1), ເຊິ່ງໄດ້ຮັບການແກ້ໄຂໂດຍການຈັດກຸ່ມພວກມັນອອກເປັນເຈັດໂມດູນ MS/MS ຫຼັກ (M) (ຮູບທີ 4A). ບາງໂມດູນເຫຼົ່ານີ້ແມ່ນເຕັມໄປດ້ວຍສານເມຕາໂບໄລພິເສດທີ່ມີລັກສະນະກ່ອນໜ້ານີ້ຢ່າງໜາແໜ້ນ: ຕົວຢ່າງ, M1, M2, M3, M4 ແລະ M7 ແມ່ນອຸດົມໄປດ້ວຍອະນຸພັນ phenol ຕ່າງໆ (M1), flavonoid glycosides (M2), ນ້ຳຕານ acyl (M3 ແລະ M4), ແລະ 17-HGL-DTG (M7). ນອກຈາກນັ້ນ, ຂໍ້ມູນສະເພາະກ່ຽວກັບການເຜົາຜານອາຫານ (ດັດຊະນີ Si) ຂອງສານເມຕາໂບໄລດ໌ດຽວໃນແຕ່ລະໂມດູນແມ່ນຖືກຄິດໄລ່, ແລະການແຈກຢາຍ Si ຂອງມັນສາມາດເຫັນໄດ້ໂດຍສະຕິປັນຍາ. ໂດຍຫຍໍ້, ສະເປກຕຣຳ MS/MS ທີ່ສະແດງຄວາມຈຳເພາະຂອງພືດກິນພືດ ແລະ genotype ສູງແມ່ນມີລັກສະນະໂດຍຄ່າ Si ສູງ, ແລະສະຖິຕິ kurtosis ຊີ້ບອກເຖິງການແຈກຢາຍຂອງຂົນຢູ່ມຸມຫາງຂວາ. ການແຈກຢາຍ colloid ທີ່ບໍ່ມີໄຂມັນດັ່ງກ່າວໄດ້ຖືກກວດພົບໃນ M1, ເຊິ່ງ phenol amide ສະແດງໃຫ້ເຫັນສ່ວນປະກອບ Si ສູງສຸດ (ຮູບທີ 4B). 17-HGL-DTG ທີ່ກະຕຸ້ນໃຫ້ເກີດການກິນພືດທີ່ໄດ້ກ່າວມາກ່ອນໜ້ານີ້ໃນ M7 ສະແດງໃຫ້ເຫັນຄະແນນ Si ປານກາງ, ຊີ້ບອກເຖິງລະດັບຄວາມແຕກຕ່າງລະຫວ່າງ OS ສອງປະເພດປານກາງ. ໃນທາງກົງກັນຂ້າມ, ສານເມຕາໂບໄລດ໌ພິເສດສ່ວນໃຫຍ່ທີ່ຜະລິດຢ່າງຕໍ່ເນື່ອງ, ເຊັ່ນ: rutin, CGA, ແລະນ້ຳຕານ acyl, ແມ່ນຢູ່ໃນບັນດາຄະແນນ Si ຕໍ່າສຸດ. ເພື່ອສຳຫຼວດຄວາມສັບສົນຂອງໂຄງສ້າງ ແລະ ການແຈກຢາຍ Si ລະຫວ່າງສານເມຕາໂບໄລດ໌ພິເສດໄດ້ດີຂຶ້ນ, ເຄືອຂ່າຍໂມເລກຸນໄດ້ຖືກສ້າງຂຶ້ນສຳລັບແຕ່ລະໂມດູນ (ຮູບທີ 4B). ການຄາດຄະເນທີ່ສຳຄັນຂອງທິດສະດີ OD (ສະຫຼຸບໃນຮູບທີ 1B) ແມ່ນວ່າການຈັດລະບຽບໃໝ່ຂອງສານເມຕາໂບໄລພິເສດຫຼັງຈາກກິນພືດຄວນນຳໄປສູ່ການປ່ຽນແປງທາງດຽວໃນສານເມຕາໂບໄລທີ່ມີຄ່າປ້ອງກັນສູງ, ໂດຍສະເພາະໂດຍການເພີ່ມຄວາມຈຳເພາະຂອງມັນ (ກົງກັນຂ້າມກັບການແຈກຢາຍແບບສຸ່ມ). ຮູບແບບ) ສານເມຕາໂບໄລປ້ອງກັນທີ່ຄາດຄະເນໂດຍທິດສະດີ MT. ອະນຸພັນຟີນອນສ່ວນໃຫຍ່ທີ່ສະສົມຢູ່ໃນ M1 ແມ່ນກ່ຽວຂ້ອງກັບການຫຼຸດລົງຂອງປະສິດທິພາບຂອງແມງໄມ້ (32). ເມື່ອປຽບທຽບຄ່າ Si ໃນສານເມຕາໂບໄລ M1 ລະຫວ່າງໃບທີ່ຖືກກະຕຸ້ນ ແລະ ໃບທີ່ເປັນສ່ວນປະກອບຂອງພືດຄວບຄຸມ EV ໃນເວລາ 24 ຊົ່ວໂມງ, ພວກເຮົາສັງເກດເຫັນວ່າຄວາມຈຳເພາະທາງເມຕາໂບໄລຂອງສານເມຕາໂບໄລຫຼາຍຊະນິດຫຼັງຈາກແມງໄມ້ກິນພືດມີແນວໂນ້ມເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ (ຮູບທີ 4C). ການເພີ່ມຂຶ້ນຂອງຄ່າ Si ສະເພາະໄດ້ຖືກກວດພົບພຽງແຕ່ໃນຟີນອນາລາມປ້ອງກັນ, ແຕ່ບໍ່ມີການເພີ່ມຂຶ້ນຂອງຄ່າ Si ທີ່ກວດພົບໃນຟີນອນາລາມອື່ນໆ ແລະ ສານເມຕາໂບໄລທີ່ບໍ່ຮູ້ຈັກທີ່ຢູ່ຮ່ວມກັນໃນໂມດູນນີ້. ນີ້ແມ່ນຮູບແບບພິເສດ, ເຊິ່ງກ່ຽວຂ້ອງກັບທິດສະດີ OD. ການຄາດຄະເນຫຼັກຂອງການປ່ຽນແປງທາງເມຕາໂບໄລທີ່ເກີດຈາກສັດກິນພືດແມ່ນສອດຄ່ອງກັນ. ເພື່ອທົດສອບວ່າຄວາມເປັນເອກະລັກສະເພາະຂອງສະເປກຕຣຳ phenolamide ນີ້ໄດ້ຖືກກະຕຸ້ນໂດຍ ET ສະເພາະ OS ຫຼືບໍ່, ພວກເຮົາໄດ້ວາງແຜນດັດຊະນີ metabolite Si ແລະເຮັດໃຫ້ເກີດຄ່າການສະແດງອອກທີ່ແຕກຕ່າງກັນລະຫວ່າງ OSM ແລະ OSS1 ໃນ genotypes EV ແລະ sETR1 (ຮູບທີ 4D). ໃນ sETR1, ຄວາມແຕກຕ່າງທີ່ເກີດຈາກ phenamide ລະຫວ່າງ OSM ແລະ OSS1 ໄດ້ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ. ວິທີການ bi-clustering ຍັງຖືກນໍາໃຊ້ກັບຂໍ້ມູນ MS/MS ທີ່ເກັບກຳໃນສາຍພັນທີ່ມີ JA ບໍ່ພຽງພໍທີ່ຈະອະນຸມານໂມດູນ MS/MS ຫຼັກທີ່ກ່ຽວຂ້ອງກັບຄວາມຊ່ຽວຊານດ້ານການເຜົາຜານອາຫານທີ່ຄວບຄຸມໂດຍ JA (ຮູບທີ S6).
(A) ຜົນການຈັດກຸ່ມຂອງ 585 MS/MS ໂດຍອີງໃສ່ຊິ້ນສ່ວນທີ່ໃຊ້ຮ່ວມກັນ (ຄວາມຄ້າຍຄືກັນຂອງ NDP) ແລະການສູນເສຍທີ່ເປັນກາງທີ່ໃຊ້ຮ່ວມກັນ (ຄວາມຄ້າຍຄືກັນຂອງ NL) ເຮັດໃຫ້ໂມດູນ (M) ສອດຄ່ອງກັບຄອບຄົວສານປະກອບທີ່ຮູ້ຈັກ, ຫຼືໂດຍອົງປະກອບ Metabolite ທີ່ບໍ່ຮູ້ຈັກ ຫຼື ມີການເຜົາຜານອາຫານບໍ່ດີ. ຖັດຈາກແຕ່ລະໂມດູນ, ການແຈກຢາຍສະເພາະຂອງ metabolite (MS/MS) (Si) ແມ່ນສະແດງໃຫ້ເຫັນ. (B) ເຄືອຂ່າຍໂມເລກຸນແບບໂມດູນ: ໂຫນດເປັນຕົວແທນຂອງ MS/MS ແລະຂອບ, ຄະແນນ MS/MS ຂອງ NDP (ສີແດງ) ແລະ NL (ສີຟ້າ) (ຈຸດຕັດ, > 0.6). ດັດຊະນີຄວາມຈຳເພາະຂອງ metabolite (Si) ທີ່ຖືກຈັດອັນດັບມີສີໂດຍອີງໃສ່ໂມດູນ (ຊ້າຍ) ແລະແຜນທີ່ໄປຫາເຄືອຂ່າຍໂມເລກຸນ (ຂວາ). (C) ໂມດູນ M1 ຂອງພືດ EV ໃນສະພາບທີ່ເປັນເອກະພາບ (ການຄວບຄຸມ) ແລະຖືກກະຕຸ້ນ (ສັດກິນພືດຈຳລອງ) ໃນເວລາ 24 ຊົ່ວໂມງ: ແຜນວາດເຄືອຂ່າຍໂມເລກຸນ (ຄ່າ Si ແມ່ນຂະໜາດຂອງໂຫນດ, phenolamide ປ້ອງກັນແມ່ນເນັ້ນໃສ່ສີຟ້າ). (D) ແຜນວາດເຄືອຂ່າຍໂມເລກຸນ M1 ຂອງສາຍສະເປກຕຣຳ sETR1 ທີ່ມີການຮັບຮູ້ EV ແລະ ET ທີ່ບົກຜ່ອງ: ສານປະກອບຟີນໍລິກທີ່ເປັນຕົວແທນໂດຍໂຫນດວົງມົນສີຂຽວ, ແລະຄວາມແຕກຕ່າງທີ່ສຳຄັນ (ຄ່າ P) ລະຫວ່າງການປິ່ນປົວດ້ວຍ W + OSM ແລະ W + OSS1 ຕາມຂະໜາດຂອງໂຫນດ. CP, N-caffeoyl-tyrosine; CS, N-caffeoyl-spermidine; FP, N-ferulic acid ester-uric acid; FS, N-ferulyl-spermidine; CoP, N', N “-Coumarolyl-tyrosine; DCS, N', N”-dicaffeoyl-spermidine; CFS, N', N”-caffeoyl, feruloyl-spermidine; Lycium barbarum ໃນ wolfberry Son; Nick. O-AS, ນ້ຳຕານ O-acyl.
ພວກເຮົາໄດ້ຂະຫຍາຍການວິເຄາະຈາກ genotype ດຽວທີ່ຫຼຸດລົງໄປສູ່ປະຊາກອນທຳມະຊາດ, ບ່ອນທີ່ການປ່ຽນແປງພາຍໃນສະເພາະທີ່ເຂັ້ມແຂງໃນລະດັບ JA ທີ່ກິນພືດ ແລະ ລະດັບ metabolite ສະເພາະໄດ້ຖືກອະທິບາຍໄວ້ກ່ອນໜ້ານີ້ໃນປະຊາກອນທຳມະຊາດ (26). ໃຊ້ຊຸດຂໍ້ມູນນີ້ເພື່ອກວມເອົາ 43 ເຊື້ອພັນ. ເຊື້ອພັນເຫຼົ່ານີ້ປະກອບດ້ວຍພືດ 123 ຊະນິດຈາກ N. pallens. ພືດເຫຼົ່ານີ້ໄດ້ຖືກນຳມາຈາກເມັດທີ່ເກັບມາຈາກຖິ່ນທີ່ຢູ່ອາໄສພື້ນເມືອງທີ່ແຕກຕ່າງກັນໃນ Utah, Nevada, Arizona, ແລະ California (ຮູບ S7), ພວກເຮົາໄດ້ຄິດໄລ່ຄວາມຫຼາກຫຼາຍຂອງ metabolome (ໃນທີ່ນີ້ເອີ້ນວ່າລະດັບປະຊາກອນ) ແລະຄວາມຊ່ຽວຊານທີ່ເກີດຈາກ OSM. ສອດຄ່ອງກັບການສຶກສາທີ່ຜ່ານມາ, ພວກເຮົາໄດ້ສັງເກດເຫັນການປ່ຽນແປງທາງ metabolism ຢ່າງກວ້າງຂວາງຕາມແກນ Hj ແລະ δj, ຊີ້ໃຫ້ເຫັນວ່າເຊື້ອພັນມີຄວາມແຕກຕ່າງຢ່າງຫຼວງຫຼາຍໃນຄວາມຍືດຫຍຸ່ນຂອງການຕອບສະໜອງທາງ metabolism ຂອງພວກມັນຕໍ່ກັບສັດກິນພືດ (ຮູບ S7). ອົງກອນນີ້ເຮັດໃຫ້ນຶກເຖິງການສັງເກດການທີ່ຜ່ານມາກ່ຽວກັບລະດັບການເຄື່ອນໄຫວຂອງການປ່ຽນແປງ JA ທີ່ເກີດຈາກສັດກິນພືດ, ແລະໄດ້ຮັກສາມູນຄ່າທີ່ສູງຫຼາຍໃນປະຊາກອນດຽວ (26, 36). ໂດຍການໃຊ້ JA ແລະ JA-Ile ເພື່ອທົດສອບຄວາມສຳພັນໃນລະດັບໂດຍລວມລະຫວ່າງ Hj ແລະ δj, ພວກເຮົາພົບວ່າມີຄວາມສຳພັນໃນທາງບວກທີ່ສຳຄັນລະຫວ່າງ JA ແລະ ຄວາມຫຼາກຫຼາຍຂອງ β ຂອງ metabolome ແລະ ດັດຊະນີຄວາມຊ່ຽວຊານ (ຮູບ S7). ນີ້ຊີ້ໃຫ້ເຫັນວ່າຄວາມແຕກຕ່າງທີ່ເກີດຈາກສັດກິນພືດໃນການກະຕຸ້ນ JAs ທີ່ກວດພົບໃນລະດັບປະຊາກອນອາດຈະເປັນຍ້ອນຄວາມຫຼາກຫຼາຍທາງເມຕາໂບລິຊຶມທີ່ສຳຄັນທີ່ເກີດຈາກການຄັດເລືອກຈາກສັດກິນພືດຈາກແມງໄມ້.
ການສຶກສາກ່ອນໜ້ານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າຊະນິດຂອງຢາສູບແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍໃນດ້ານປະເພດ ແລະ ການເພິ່ງພາອາໄສທີ່ກ່ຽວຂ້ອງກັບການປ້ອງກັນການເຜົາຜານອາຫານທີ່ກະຕຸ້ນ ແລະ ຢ່າງຕໍ່ເນື່ອງ. ເຊື່ອກັນວ່າການປ່ຽນແປງເຫຼົ່ານີ້ໃນການສົ່ງສັນຍານຕ້ານການກິນພືດເປັນອາຫານ ແລະ ຄວາມສາມາດໃນການປ້ອງກັນແມ່ນຖືກຄວບຄຸມໂດຍຄວາມກົດດັນຂອງປະຊາກອນແມງໄມ້, ວົງຈອນຊີວິດຂອງພືດ, ແລະ ຕົ້ນທຶນການຜະລິດປ້ອງກັນໃນຊ່ອງທີ່ຊະນິດພັນໃດໜຶ່ງເຕີບໃຫຍ່. ພວກເຮົາໄດ້ສຶກສາຄວາມສອດຄ່ອງຂອງການປ່ຽນແປງຂອງໃບ metabolism ທີ່ເກີດຈາກສັດກິນພືດເປັນອາຫານຂອງຫົກຊະນິດ Nicotiana ທີ່ມີຖິ່ນກຳເນີດຢູ່ໃນອາເມລິກາເໜືອ ແລະ ອາເມລິກາໃຕ້. ຊະນິດພັນເຫຼົ່ານີ້ມີຄວາມກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບ Nepenthes ອາເມລິກາເໜືອ, ຄື Nicolas Bociflo.La, N. nicotinis, Nicotiana n. attenuated grass, Nicotiana tabacum, linear tobacco, tobacco (Nicotiana spegazzinii) ແລະ tobacco leaf tobacco (Nicotiana obtusifolia) (ຮູບທີ 5A) (37). ຫົກຊະນິດໃນນີ້, ລວມທັງຊະນິດພັນທີ່ມີລັກສະນະດີ N. please, ແມ່ນພືດປະຈຳປີຂອງ petunia clade, ແລະ obtusifolia N. ແມ່ນພືດທີ່ມີອາຍຸຫລາຍປີຂອງ clade ເອື້ອຍນ້ອງ Trigonophyllae (38). ຕໍ່ມາ, ການກະຕຸ້ນ W + W, W + OSM ແລະ W + OSS1 ໄດ້ຖືກປະຕິບັດໃນຊະນິດທັງເຈັດນີ້ເພື່ອສຶກສາການຈັດລຽງຕົວຂອງລະບົບການເຜົາຜານອາຫານໃນລະດັບຊະນິດຂອງການກິນອາຫານຂອງແມງໄມ້.
(A) ຕົ້ນໄມ້ phylogenetic bootstrap ໂດຍອີງໃສ່ຄວາມເປັນໄປໄດ້ສູງສຸດ [ສຳລັບການສັງເຄາະ glutamine ໃນນິວເຄຼຍ (38)] ແລະ ການແຈກຢາຍທາງພູມສາດຂອງຊະນິດ Nicotiana ທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດເຈັດຊະນິດ (ສີທີ່ແຕກຕ່າງກັນ) (37). (B) ແຜນຜັງກະແຈກກະຈາຍຂອງຄວາມຫຼາກຫຼາຍພິເສດສຳລັບໂປຣໄຟລ໌ການເຜົາຜານອາຫານຂອງຊະນິດ Nicotiana ເຈັດຊະນິດ (939 MS/MS; ໄຟລ໌ຂໍ້ມູນ S1). ໃນລະດັບຊະນິດ, ຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານມີຄວາມກ່ຽວຂ້ອງທາງລົບກັບລະດັບຄວາມຊ່ຽວຊານ. ການວິເຄາະຄວາມສຳພັນລະດັບຊະນິດລະຫວ່າງຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານ ແລະ ຄວາມຊ່ຽວຊານ ແລະ ການສະສົມ JA ແມ່ນສະແດງຢູ່ໃນຮູບທີ 2. S9. ສີ, ປະເພດຕ່າງໆ; ສາມຫຼ່ຽມ, W + OSS1; ສີ່ຫຼ່ຽມມຸມສາກ, W + OSM; (C) ການເຄື່ອນໄຫວຂອງ Nicotiana JA ແລະ JA-Ile ຖືກຈັດອັນດັບຕາມຄວາມກວ້າງຂອງການກະຕຸ້ນ OS (ການປຽບທຽບຫຼັງຫຼາຍຄັ້ງຂອງ ANOVA ສອງທາງ ແລະ Tukey HSD, * P <0.05, ** P <0.01 ແລະ * ** ສຳລັບການປຽບທຽບ W + OS ແລະ W + W, P <0.001). ຕາຕະລາງກ່ອງຂອງ (D) ຄວາມຫຼາກຫຼາຍ ແລະ (E) ຄວາມຊ່ຽວຊານຂອງແຕ່ລະຊະນິດຫຼັງຈາກການຈຳລອງສັດກິນພືດ ແລະ methyl JA (MeJA). ເຄື່ອງໝາຍດາວຊີ້ບອກເຖິງຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງ W + OS ແລະ W + W ຫຼື lanolin ບວກກັບ W (Lan + W) ຫຼື Lan ບວກກັບ MeJA (Lan + MeJa) ແລະ ການຄວບຄຸມ Lan (ການວິເຄາະຄວາມແปรປ່ວນສອງທາງ, ຕາມດ້ວຍການປຽບທຽບຫຼາຍວິທີຂອງ Tukey's HSD post hoc, *P<0.05, **P<0.01 ແລະ ***P<0.001).
ໂດຍການໃຊ້ວິທີການກຸ່ມຄູ່, ພວກເຮົາໄດ້ລະບຸໂມດູນ 9 ອັນຂອງ 939 MS/MS (ໄຟລ໌ຂໍ້ມູນ S1). ອົງປະກອບຂອງ MS/MS ທີ່ຕັ້ງຄ່າໃໝ່ໂດຍການປິ່ນປົວທີ່ແຕກຕ່າງກັນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍໃນບັນດາໂມດູນທີ່ແຕກຕ່າງກັນລະຫວ່າງຊະນິດພັນ (ຮູບ S8). ການເບິ່ງເຫັນ Hj (ອ້າງອີງໃນທີ່ນີ້ວ່າຄວາມຫຼາກຫຼາຍ γ ລະດັບຊະນິດພັນ) ແລະ δj ສະແດງໃຫ້ເຫັນວ່າຊະນິດພັນທີ່ແຕກຕ່າງກັນລວມເຂົ້າກັນເປັນກຸ່ມທີ່ແຕກຕ່າງກັນຫຼາຍໃນພື້ນທີ່ການເຜົາຜານອາຫານ, ບ່ອນທີ່ການແບ່ງລະດັບຊະນິດພັນມັກຈະໂດດເດັ່ນກວ່າການກະຕຸ້ນ. ຍົກເວັ້ນ N. linear ແລະ N. obliquus, ພວກມັນສະແດງໃຫ້ເຫັນລະດັບການເຄື່ອນໄຫວທີ່ກວ້າງຂວາງຂອງຜົນກະທົບຂອງການກະຕຸ້ນ (ຮູບ 5B). ໃນທາງກົງກັນຂ້າມ, ຊະນິດພັນເຊັ່ນ N. purpurea ແລະ N. obtusifolia ມີການຕອບສະໜອງການເຜົາຜານອາຫານທີ່ບໍ່ຊັດເຈນຕໍ່ການປິ່ນປົວ, ແຕ່ metabolome ມີຄວາມຫຼາກຫຼາຍຫຼາຍກວ່າ. ການແຈກຢາຍສະເພາະຊະນິດພັນຂອງການຕອບສະໜອງການເຜົາຜານອາຫານທີ່ກະຕຸ້ນເຮັດໃຫ້ເກີດຄວາມສຳພັນທາງລົບທີ່ສຳຄັນລະຫວ່າງຄວາມຊ່ຽວຊານ ແລະ ຄວາມຫຼາກຫຼາຍຂອງ gamma (PCC = -0.46, P = 4.9×10-8). ການປ່ຽນແປງທີ່ເກີດຈາກ OS ໃນລະດັບ JAs ແມ່ນມີຄວາມກ່ຽວຂ້ອງໃນທາງບວກກັບຄວາມຊ່ຽວຊານດ້ານ metabolome, ແລະມີຄວາມກ່ຽວຂ້ອງທາງລົບກັບຄວາມຫຼາກຫຼາຍຂອງ gamma metabolic ທີ່ສະແດງໃຫ້ເຫັນໂດຍແຕ່ລະຊະນິດ (ຮູບທີ 5B ແລະຮູບທີ S9). ມັນເປັນສິ່ງທີ່ໜ້າສັງເກດວ່າຊະນິດພັນທີ່ເອີ້ນກັນທົ່ວໄປວ່າຊະນິດ "ການຕອບສະໜອງສັນຍານ" ໃນຮູບທີ 5C, ເຊັ່ນ: nematodes Nepenthes, Nepenthes nepenthes, Nepenthes acute, ແລະ Nepenthes attenuated, ເຮັດໃຫ້ເກີດອາການທີ່ສຳຄັນໃນເວລາ 30 ນາທີ. ການລະບາດຂອງ JA ແລະ JA-Ile ສະເພາະ OS ທີ່ຜ່ານມາ, ໃນຂະນະທີ່ເຊື້ອແບັກທີເຣັຍອື່ນໆທີ່ເອີ້ນວ່າ "ການຕອບສະໜອງສັນຍານ", ເຊັ່ນ: Nepenthes mills, Nepenthes powdery ແລະ N. obtusifolia ສະແດງພຽງແຕ່ການກະຕຸ້ນ JA-Ile Edge ໂດຍບໍ່ມີຄວາມຈຳເພາະ OS ໃດໆ (ຮູບທີ 5C). ໃນລະດັບການເຜົາຜານອາຫານ, ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງເທິງ, ສຳລັບ Nepenthes ທີ່ອ່ອນເພຍ, ສານທີ່ຕອບສະໜອງສັນຍານສະແດງຄວາມຈຳເພາະ OS ແລະເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍ δj, ໃນຂະນະທີ່ຫຼຸດຜ່ອນ Hj. ຜົນກະທົບເບື້ອງຕົ້ນສະເພາະ OS ນີ້ບໍ່ໄດ້ຖືກກວດພົບໃນຊະນິດພັນທີ່ຖືກຈັດປະເພດເປັນຊະນິດພັນທີ່ບໍ່ມີປະຕິກິລິຍາສັນຍານ (ຮູບທີ 5, D ແລະ E). ທາດເມຕາໂບໄລທ໌ສະເພາະ OS ແມ່ນຖືກແບ່ງປັນເລື້ອຍໆລະຫວ່າງຊະນິດພັນທີ່ຕອບສະໜອງສັນຍານ, ແລະກຸ່ມສັນຍານເຫຼົ່ານີ້ຈະລວມກຸ່ມກັບຊະນິດພັນທີ່ມີການຕອບສະໜອງສັນຍານທີ່ອ່ອນແອກວ່າ, ໃນຂະນະທີ່ຊະນິດພັນທີ່ມີການຕອບສະໜອງສັນຍານທີ່ອ່ອນແອກວ່າສະແດງໃຫ້ເຫັນການເພິ່ງພາອາໄສເຊິ່ງກັນແລະກັນໜ້ອຍລົງ (ຮູບທີ S8). ຜົນໄດ້ຮັບນີ້ຊີ້ໃຫ້ເຫັນວ່າການກະຕຸ້ນສະເພາະ OS ຂອງ JAs ແລະການຕັ້ງຄ່າຄືນໃໝ່ສະເພາະ OS ຂອງທາດເມຕາໂບໄລທ໌ລຸ່ມແມ່ນເຊື່ອມຕໍ່ກັນໃນລະດັບຊະນິດພັນ.
ຕໍ່ໄປ, ພວກເຮົາໄດ້ໃຊ້ແປ້ງ lanolin ທີ່ມີ methyl JA (MeJA) ເພື່ອປິ່ນປົວພືດເພື່ອສືບສວນວ່າຮູບແບບການຈັບຄູ່ເຫຼົ່ານີ້ຖືກຈຳກັດໂດຍຄວາມພ້ອມຂອງ JA ທີ່ນຳໃຊ້ໂດຍ JA ຈາກພາຍນອກ, ເຊິ່ງຈະຢູ່ໃນ cytoplasm ຂອງພືດ. ການ deesterization ໄວແມ່ນ JA. ພວກເຮົາພົບແນວໂນ້ມດຽວກັນຂອງການປ່ຽນແປງເທື່ອລະກ້າວຈາກຊະນິດທີ່ຕອບສະໜອງຕໍ່ສັນຍານໄປສູ່ຊະນິດທີ່ບໍ່ຕອບສະໜອງຕໍ່ສັນຍານທີ່ເກີດຈາກການສະໜອງຢ່າງຕໍ່ເນື່ອງຂອງ JA (ຮູບທີ 5, D ແລະ E). ສະຫຼຸບແລ້ວ, ການປິ່ນປົວດ້ວຍ MeJA ໄດ້ປັບໂປຣແກຣມ metabolomes ຂອງ nematodes ເສັ້ນຊື່, N. obliquus, N. aquaticus, N. pallens, ແລະ N. mikimotoi ຢ່າງແຂງແຮງ, ເຊິ່ງສົ່ງຜົນໃຫ້ການເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນ δj ແລະການຫຼຸດລົງຂອງ Hj. N. purpurea ພຽງແຕ່ສະແດງໃຫ້ເຫັນການເພີ່ມຂຶ້ນຂອງ δj, ແຕ່ບໍ່ແມ່ນ Hj. N. obtusifolia, ເຊິ່ງກ່ອນໜ້ານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າສະສົມລະດັບ JAs ທີ່ຕໍ່າຫຼາຍ, ຍັງຕອບສະໜອງບໍ່ດີຕໍ່ການປິ່ນປົວດ້ວຍ MeJA ໃນແງ່ຂອງການຕັ້ງຄ່າ metabolome ຄືນໃໝ່. ຜົນໄດ້ຮັບເຫຼົ່ານີ້ຊີ້ບອກວ່າການຜະລິດ JA ຫຼືການສົ່ງສັນຍານແມ່ນຖືກຈຳກັດທາງສະລີລະວິທະຍາໃນຊະນິດທີ່ບໍ່ຕອບສະໜອງຕໍ່ສັນຍານ. ເພື່ອທົດສອບສົມມຸດຕິຖານນີ້, ພວກເຮົາໄດ້ສຶກສາສີ່ຊະນິດ (N. pallens, N. mills, N. pink ແລະ N. microphylla) ທີ່ເກີດຈາກ W + W, W + OSMs ແລະ W + OSS1 Transcriptome (39). ສອດຄ່ອງກັບຮູບແບບຂອງການປ່ຽນແປງຂອງ metabolome, ຊະນິດພັນຕ່າງໆຖືກແຍກອອກຈາກກັນຢ່າງດີໃນພື້ນທີ່ transcriptome, ໃນນັ້ນ N. attenuated ສະແດງໃຫ້ເຫັນ RDPI ທີ່ກະຕຸ້ນໂດຍ OS ສູງສຸດ, ໃນຂະນະທີ່ N. gracilis ມີຕໍ່າສຸດ (ຮູບທີ 6A). ຢ່າງໃດກໍຕາມ, ພົບວ່າຄວາມຫຼາກຫຼາຍຂອງ transcriptome ທີ່ເກີດຈາກ N. oblonga ແມ່ນຕໍ່າສຸດໃນບັນດາສີ່ຊະນິດ, ກົງກັນຂ້າມກັບຄວາມຫຼາກຫຼາຍຂອງ metabonomic ສູງສຸດຂອງ N. oblonga ທີ່ເຄີຍສະແດງໃນເຈັດຊະນິດ. ການສຶກສາກ່ອນໜ້ານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າຊຸດຂອງ gene ທີ່ກ່ຽວຂ້ອງກັບສັນຍານປ້ອງກັນໃນຕອນຕົ້ນ, ລວມທັງສັນຍານ JA, ອະທິບາຍຄວາມຈຳເພາະຂອງການຕອບສະໜອງປ້ອງກັນໃນຕອນຕົ້ນທີ່ເກີດຈາກ elicitors ທີ່ກ່ຽວຂ້ອງກັບສັດກິນພືດໃນຊະນິດ Nicotiana (39). ການປຽບທຽບເສັ້ນທາງສັນຍານ JA ລະຫວ່າງສີ່ຊະນິດນີ້ເປີດເຜີຍຮູບແບບທີ່ໜ້າສົນໃຈ (ຮູບທີ 6B). ສ່ວນຫຼາຍຂອງຍີນໃນເສັ້ນທາງນີ້, ເຊັ່ນ AOC, OPR3, ACX ແລະ COI1, ສະແດງໃຫ້ເຫັນລະດັບການກະຕຸ້ນທີ່ຂ້ອນຂ້າງສູງໃນສີ່ຊະນິດນີ້. ຢ່າງໃດກໍຕາມ, ຍີນທີ່ສຳຄັນ, JAR4, ປ່ຽນ JA ໃຫ້ກາຍເປັນຮູບແບບການເຄື່ອນໄຫວທາງຊີວະພາບຂອງບົດບັນທຶກການສະສົມ JA-Ile, ແລະລະດັບການຖອດລະຫັດຂອງມັນຕໍ່າຫຼາຍ, ໂດຍສະເພາະໃນ N. mills, Nepenthes pieris ແລະ N. microphylla. ນອກຈາກນັ້ນ, ມີພຽງແຕ່ບົດບັນທຶກການຖອດລະຫັດຂອງຍີນ AOS ອີກອັນໜຶ່ງເທົ່ານັ້ນທີ່ບໍ່ຖືກກວດພົບໃນ N. bifidum. ການປ່ຽນແປງເຫຼົ່ານີ້ໃນການສະແດງອອກຂອງຍີນອາດຈະເປັນສາເຫດຂອງ phenotypes ທີ່ຮ້າຍແຮງທີ່ເກີດຈາກການຜະລິດ JA ຕ່ຳໃນຊະນິດທີ່ມີອາການແພ້ສັນຍານ ແລະ ການກະຕຸ້ນຂອງ N. gracilis.
(ກ) ການວິເຄາະທິດສະດີຂໍ້ມູນຂ່າວສານກ່ຽວກັບການຂຽນໂປຣແກຣມຄືນໃໝ່ຂອງການຕອບສະໜອງການຖອດລະຫັດໃນຕອນຕົ້ນຂອງສີ່ຊະນິດຢາສູບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດທີ່ໄດ້ເກັບຕົວຢ່າງ 30 ນາທີຫຼັງຈາກການກະຕຸ້ນການກິນພືດ. RDPI ຖືກຄິດໄລ່ໂດຍການປຽບທຽບໃບທີ່ເກີດຈາກ OS ຂອງສັດກິນພືດກັບກຸ່ມຄວບຄຸມບາດແຜ. ສີຊີ້ບອກເຖິງຊະນິດທີ່ແຕກຕ່າງກັນ, ແລະສັນຍາລັກຊີ້ບອກເຖິງວິທີການປິ່ນປົວທີ່ແຕກຕ່າງກັນ. (ຂ) ການວິເຄາະການສະແດງອອກຂອງ gene ໃນເສັ້ນທາງສັນຍານ JA ໃນບັນດາສີ່ຊະນິດ. ເສັ້ນທາງ JA ທີ່ງ່າຍດາຍແມ່ນສະແດງຢູ່ຂ້າງກ່ອງ. ສີທີ່ແຕກຕ່າງກັນຊີ້ບອກເຖິງວິທີການປະມວນຜົນທີ່ແຕກຕ່າງກັນ. ເຄື່ອງໝາຍດາວຊີ້ບອກວ່າມີຄວາມແຕກຕ່າງທີ່ສຳຄັນລະຫວ່າງການປິ່ນປົວດ້ວຍ W + OS ແລະກຸ່ມຄວບຄຸມ W + W (ສຳລັບການທົດສອບ t ຂອງນັກຮຽນສຳລັບຄວາມແຕກຕ່າງຂອງຄູ່, *P<0.05, **P<0.01 ແລະ ***P<0.001). OPDA, ກົດ 12-oxophytodienoic; OPC-8: 0,3-oxo-2(2′(Z)-pentenyl)-cyclopentane-1-octanoic acid.
ໃນພາກສຸດທ້າຍ, ພວກເຮົາໄດ້ສຶກສາວິທີການປັບປຸງໂຄງສ້າງຂອງລະບົບເມຕາໂບໂລມຂອງພືດຊະນິດຕ່າງໆຕາມຊະນິດແມງໄມ້ສາມາດຕ້ານທານກັບສັດກິນພືດໄດ້. ການຄົ້ນຄວ້າກ່ອນໜ້ານີ້ໄດ້ເນັ້ນໜັກເຖິງສະກຸນ Nicotiana. ຄວາມຕ້ານທານຂອງພວກມັນຕໍ່ Ms ແລະຕົວອ່ອນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ (40). ໃນທີ່ນີ້, ພວກເຮົາໄດ້ສຶກສາການເຊື່ອມຕໍ່ລະຫວ່າງຮູບແບບນີ້ ແລະ ຄວາມຍືດຫຍຸ່ນຂອງລະບົບເມຕາໂບໂລມຂອງພວກມັນ. ໂດຍການໃຊ້ຢາສູບສີ່ຊະນິດຂ້າງເທິງ, ແລະການທົດສອບຄວາມສຳພັນລະຫວ່າງຄວາມຫຼາກຫຼາຍ ແລະ ຄວາມຊ່ຽວຊານຂອງລະບົບເມຕາໂບໂລມທີ່ເກີດຈາກສັດກິນພືດ ແລະ ຄວາມຕ້ານທານຂອງພືດຕໍ່ Ms ແລະ Sl, ພວກເຮົາພົບວ່າຄວາມຕ້ານທານ, ຄວາມຫຼາກຫຼາຍ ແລະ ຄວາມຊ່ຽວຊານຕໍ່ Sl ທົ່ວໄປທັງໝົດແມ່ນມີຄວາມສຳພັນໃນທາງບວກ, ໃນຂະນະທີ່ຄວາມສຳພັນລະຫວ່າງຄວາມຕ້ານທານຕໍ່ຜູ້ຊ່ຽວຊານ ແລະ ຄວາມຊ່ຽວຊານແມ່ນອ່ອນແອ, ແລະ ຄວາມສຳພັນກັບຄວາມຫຼາກຫຼາຍບໍ່ມີຄວາມໝາຍ (ຮູບ S10). ກ່ຽວກັບການຕ້ານທານ S1, ທັງ N. chinensis ແລະ N. gracilis ທີ່ອ່ອນເພຍລົງ, ເຊິ່ງເຄີຍສະແດງໃຫ້ເຫັນວ່າມີທັງລະດັບການສົ່ງສັນຍານ JA ແລະ ຄວາມຍືດຫຍຸ່ນຂອງລະບົບເມຕາໂບໂລມ, ມີການຕອບສະໜອງທີ່ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຕໍ່ການກະຕຸ້ນຂອງສັດກິນພືດ, ແລະ ພວກມັນຍັງສະແດງຄວາມຕ້ານທານສູງທີ່ຄ້າຍຄືກັນ. ເພດ.
ໃນຫົກສິບປີທີ່ຜ່ານມາ, ທິດສະດີປ້ອງກັນພືດໄດ້ສະໜອງຂອບທິດສະດີ, ໂດຍອີງໃສ່ທີ່ນັກຄົ້ນຄວ້າໄດ້ຄາດຄະເນວິວັດທະນາການ ແລະ ໜ້າທີ່ຂອງສານເມຕາໂບໄລທ໌ພິເສດຂອງພືດຈຳນວນຫຼວງຫຼາຍ. ທິດສະດີເຫຼົ່ານີ້ສ່ວນໃຫຍ່ບໍ່ໄດ້ປະຕິບັດຕາມຂັ້ນຕອນປົກກະຕິຂອງການອະນຸມານທີ່ເຂັ້ມແຂງ (41). ພວກເຂົາສະເໜີການຄາດຄະເນທີ່ສຳຄັນ (3) ໃນລະດັບການວິເຄາະດຽວກັນ. ເມື່ອການທົດສອບການຄາດຄະເນທີ່ສຳຄັນອະນຸຍາດໃຫ້ມີການວິເຄາະທິດສະດີສະເພາະ, ສິ່ງນີ້ຈະເຮັດໃຫ້ຂົງເຂດດັ່ງກ່າວກ້າວໄປຂ້າງໜ້າ. ໄດ້ຮັບການສະໜັບສະໜູນ, ແຕ່ປະຕິເສດທິດສະດີອື່ນໆ (42). ແທນທີ່ຈະ, ທິດສະດີໃໝ່ເຮັດການຄາດຄະເນໃນລະດັບການວິເຄາະທີ່ແຕກຕ່າງກັນ ແລະ ເພີ່ມຊັ້ນໃໝ່ຂອງການພິຈາລະນາອະທິບາຍ (42). ຢ່າງໃດກໍຕາມ, ສອງທິດສະດີທີ່ສະເໜີໃນລະດັບໜ້າທີ່, MT ແລະ OD, ສາມາດອະທິບາຍໄດ້ງ່າຍວ່າເປັນການຄາດຄະເນທີ່ສຳຄັນຂອງການປ່ຽນແປງທາງເມຕາໂບໄລທ໌ພິເສດທີ່ເກີດຈາກສັດກິນພືດ: ທິດສະດີ OD ເຊື່ອວ່າການປ່ຽນແປງໃນ "ພື້ນທີ່" ທາງເມຕາໂບໄລທ໌ພິເສດແມ່ນມີທິດທາງສູງ. ທິດສະດີ MT ເຊື່ອວ່າການປ່ຽນແປງເຫຼົ່ານີ້ຈະບໍ່ມີທິດທາງ ແລະ ຕັ້ງຢູ່ໃນພື້ນທີ່ທາງເມຕາໂບໄລທ໌ແບບສຸ່ມ, ແລະ ມັກຈະມີສານເມຕາໂບໄລທ໌ທີ່ມີຄຸນຄ່າໃນການປ້ອງກັນສູງ. ການກວດສອບກ່ອນໜ້ານີ້ຂອງການຄາດຄະເນ OD ແລະ MT ໄດ້ຖືກທົດສອບໂດຍໃຊ້ຊຸດແຄບຂອງສານປະກອບ "ປ້ອງກັນ" ທີ່ມີກ່ອນໜ້ານີ້. ການທົດສອບທີ່ເນັ້ນໃສ່ການເຜົາຜານອາຫານເຫຼົ່ານີ້ຂັດຂວາງຄວາມສາມາດໃນການວິເຄາະຂອບເຂດ ແລະ ເສັ້ນທາງຂອງການປ່ຽນແປງຂອງເມຕາໂບໂລມໃນລະຫວ່າງການກິນພືດ, ແລະບໍ່ອະນຸຍາດໃຫ້ການທົດສອບພາຍໃນຂອບສະຖິຕິທີ່ສອດຄ່ອງກັນເພື່ອຮຽກຮ້ອງໃຫ້ມີການຄາດຄະເນທີ່ສຳຄັນທີ່ສາມາດພິຈາລະນາໄດ້ທັງໝົດ. ວັດແທກການປ່ຽນແປງຂອງເມຕາໂບໂລມຂອງພືດ. ໃນທີ່ນີ້, ພວກເຮົາໄດ້ໃຊ້ເຕັກໂນໂລຢີທີ່ມີນະວັດຕະກໍາໃນເມຕາໂບໂລມໂດຍອີງໃສ່ MS ການຄິດໄລ່ ແລະ ດໍາເນີນການວິເຄາະ MS deconvolution ໃນສະກຸນເງິນທົ່ວໄປຂອງຄໍາອະທິບາຍທິດສະດີຂໍ້ມູນຂ່າວສານເພື່ອທົດສອບຄວາມແຕກຕ່າງລະຫວ່າງສອງຢ່າງທີ່ສະເໜີຢູ່ໃນລະດັບເມຕາໂບໂລມທົ່ວໂລກ. ການຄາດຄະເນທີ່ສຳຄັນຂອງທິດສະດີນີ້. ທິດສະດີຂໍ້ມູນຂ່າວສານໄດ້ຖືກນຳໃຊ້ໃນຫຼາຍຂົງເຂດ, ໂດຍສະເພາະໃນສະພາບການຂອງການຄົ້ນຄວ້າຄວາມຫຼາກຫຼາຍທາງຊີວະພາບ ແລະ ການໄຫຼຂອງສານອາຫານ (43). ຢ່າງໃດກໍຕາມ, ເທົ່າທີ່ພວກເຮົາຮູ້, ນີ້ແມ່ນຄໍາຮ້ອງສະຫມັກທໍາອິດທີ່ໃຊ້ເພື່ອອະທິບາຍພື້ນທີ່ຂໍ້ມູນຂ່າວສານກ່ຽວກັບການເຜົາຜານອາຫານຂອງພືດ ແລະ ແກ້ໄຂບັນຫາທາງນິເວດວິທະຍາທີ່ກ່ຽວຂ້ອງກັບການປ່ຽນແປງການເຜົາຜານອາຫານຊົ່ວຄາວເພື່ອຕອບສະໜອງຕໍ່ສັນຍານສິ່ງແວດລ້ອມ. ໂດຍສະເພາະ, ຄວາມສາມາດຂອງວິທີການນີ້ແມ່ນຢູ່ໃນຄວາມສາມາດໃນການປຽບທຽບຮູບແບບພາຍໃນ ແລະ ລະຫວ່າງຊະນິດພືດເພື່ອກວດສອບວ່າສັດກິນພືດໄດ້ວິວັດທະນາການຈາກຊະນິດພັນທີ່ແຕກຕ່າງກັນໄປສູ່ຮູບແບບມະຫາພາກລະຫວ່າງຊະນິດພັນໃນລະດັບວິວັດທະນາການທີ່ແຕກຕ່າງກັນແນວໃດ. ການເຜົາຜານອາຫານ.
ການວິເຄາະອົງປະກອບຫຼັກ (PCA) ປ່ຽນຊຸດຂໍ້ມູນຫຼາຍຕົວແປໄປເປັນພື້ນທີ່ການຫຼຸດຜ່ອນມິຕິເພື່ອໃຫ້ສາມາດອະທິບາຍແນວໂນ້ມຫຼັກຂອງຂໍ້ມູນໄດ້, ສະນັ້ນມັນມັກຈະຖືກນໍາໃຊ້ເປັນເຕັກນິກການສໍາຫຼວດເພື່ອວິເຄາະຊຸດຂໍ້ມູນ, ເຊັ່ນ: ການ deconvolution metabolome. ຢ່າງໃດກໍຕາມ, ການຫຼຸດຜ່ອນມິຕິຈະສູນເສຍສ່ວນໜຶ່ງຂອງເນື້ອໃນຂໍ້ມູນໃນຊຸດຂໍ້ມູນ, ແລະ PCA ບໍ່ສາມາດໃຫ້ຂໍ້ມູນດ້ານປະລິມານກ່ຽວກັບລັກສະນະທີ່ກ່ຽວຂ້ອງກັບທິດສະດີນິເວດວິທະຍາ, ເຊັ່ນ: ວິທີທີ່ສັດກິນພືດຕັ້ງຄ່າຄວາມຫຼາກຫຼາຍໃນຂົງເຂດພິເສດ (ຕົວຢ່າງ, ຄວາມອຸດົມສົມບູນ, ການແຈກຢາຍ) ແລະ ຄວາມອຸດົມສົມບູນ) metabolites? metabolites ໃດທີ່ເປັນຕົວຄາດຄະເນຂອງສະຖານະທີ່ຖືກກະຕຸ້ນຂອງສັດກິນພືດທີ່ກໍານົດ? ຈາກທັດສະນະຂອງຄວາມຈໍາເພາະ, ຄວາມຫຼາກຫຼາຍ ແລະ inducibility, ເນື້ອໃນຂໍ້ມູນຂອງໂປຣໄຟລ໌ metabolite ສະເພາະໃບຈະຖືກຍ່ອຍສະຫຼາຍ, ແລະພົບວ່າການກິນສັດກິນພືດສາມາດກະຕຸ້ນການເຜົາຜານອາຫານສະເພາະ. ໂດຍບໍ່ຄາດຄິດ, ພວກເຮົາສັງເກດເຫັນວ່າ, ດັ່ງທີ່ໄດ້ອະທິບາຍໄວ້ໃນຕົວຊີ້ວັດທິດສະດີຂໍ້ມູນທີ່ໄດ້ຈັດຕັ້ງປະຕິບັດ, ສະຖານະການການເຜົາຜານອາຫານທີ່ເກີດຂຶ້ນມີການຊ້ອນກັນຫຼາຍຫຼັງຈາກການໂຈມຕີຂອງສັດກິນພືດສອງຊະນິດ (Sl ຜູ້ຊ່ຽວຊານດ້ານອາຫານກາງຄືນ) ແລະ ຜູ້ຊ່ຽວຊານດ້ານ Solanaceae. ເຖິງແມ່ນວ່າພຶດຕິກຳການກິນອາຫານ ແລະ ຄວາມເຂັ້ມຂຸ້ນຂອງພວກມັນແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ຕົວເລີ່ມຕົ້ນຂອງກົດໄຂມັນ-ກົດອະມິໂນ (FAC) ໃນ OS (31). ໂດຍການໃຊ້ OS ຂອງສັດກິນພືດເພື່ອປິ່ນປົວບາດແຜຈາກການເຈາະທີ່ໄດ້ມາດຕະຖານ, ການປິ່ນປົວດ້ວຍສັດກິນພືດແບບຈຳລອງຍັງສະແດງໃຫ້ເຫັນແນວໂນ້ມທີ່ຄ້າຍຄືກັນ. ຂັ້ນຕອນມາດຕະຖານນີ້ສຳລັບການຈຳລອງການຕອບສະໜອງຂອງພືດຕໍ່ການໂຈມຕີຂອງສັດກິນພືດ ກຳຈັດປັດໄຈທີ່ສັບສົນທີ່ເກີດຈາກການປ່ຽນແປງໃນພຶດຕິກຳການກິນຂອງສັດກິນພືດ, ເຊິ່ງນຳໄປສູ່ລະດັບຄວາມເສຍຫາຍທີ່ແຕກຕ່າງກັນໃນເວລາທີ່ແຕກຕ່າງກັນ (34). FAC, ເຊິ່ງເປັນທີ່ຮູ້ຈັກວ່າເປັນສາເຫດຫຼັກຂອງ OSM, ຫຼຸດຜ່ອນການຕອບສະໜອງຂອງ JAS ແລະ ຮໍໂມນພືດອື່ນໆໃນ OSS1, ໃນຂະນະທີ່ OSS1 ຫຼຸດລົງຫຼາຍຮ້ອຍເທົ່າ (31). ຢ່າງໃດກໍຕາມ, OSS1 ເຮັດໃຫ້ເກີດລະດັບການສະສົມ JA ທີ່ຄ້າຍຄືກັນເມື່ອທຽບກັບ OSM. ໄດ້ມີການສະແດງໃຫ້ເຫັນແລ້ວວ່າການຕອບສະໜອງ JA ໃນດອກໄມ້ Nepenthes ທີ່ຖືກຫຼຸດຜ່ອນຄວາມອ່ອນໄຫວຕໍ່ OSM ຫຼາຍ, ບ່ອນທີ່ FAC ສາມາດຮັກສາກິດຈະກຳຂອງມັນໄວ້ໄດ້ເຖິງແມ່ນວ່າຈະເຈືອຈາງດ້ວຍນໍ້າໃນອັດຕາສ່ວນ 1:1000 (44). ດັ່ງນັ້ນ, ເມື່ອທຽບກັບ OSM, ເຖິງແມ່ນວ່າ FAC ໃນ OSS1 ຈະຕໍ່າຫຼາຍ, ແຕ່ມັນພຽງພໍທີ່ຈະກະຕຸ້ນການລະບາດຂອງ JA ໄດ້ຢ່າງພຽງພໍ. ການສຶກສາກ່ອນໜ້ານີ້ໄດ້ສະແດງໃຫ້ເຫັນວ່າໂປຣຕີນຄ້າຍຄື porin (45) ແລະ oligosaccharides (46) ສາມາດໃຊ້ເປັນຕົວຊີ້ບອກໂມເລກຸນເພື່ອກະຕຸ້ນການຕອບສະໜອງການປ້ອງກັນຂອງພືດໃນ OSS1. ຢ່າງໃດກໍຕາມ, ມັນຍັງບໍ່ຊັດເຈນວ່າຕົວກະຕຸ້ນເຫຼົ່ານີ້ໃນ OSS1 ເປັນສາເຫດຂອງການສະສົມຂອງ JA ທີ່ສັງເກດເຫັນໃນການສຶກສາໃນປະຈຸບັນຫຼືບໍ່.
ເຖິງແມ່ນວ່າມີການສຶກສາໜ້ອຍທີ່ອະທິບາຍເຖິງລາຍນິ້ວມືການເຜົາຜານອາຫານທີ່ແຕກຕ່າງກັນທີ່ເກີດຈາກການນຳໃຊ້ສັດກິນພືດທີ່ແຕກຕ່າງກັນ ຫຼື JA ຫຼື SA (ກົດ salicylic) ຈາກພາຍນອກ (47), ບໍ່ມີໃຜໄດ້ລົບກວນການລົບກວນສະເພາະຂອງຊະນິດສັດກິນພືດໃນເຄືອຂ່າຍຫຍ້າພືດ ແລະ ຜົນກະທົບຂອງມັນຕໍ່ສະເພາະ. ຜົນກະທົບໂດຍລວມຂອງການເຜົາຜານອາຫານໄດ້ຖືກສຶກສາຢ່າງເປັນລະບົບ. ຂໍ້ມູນສ່ວນຕົວ. ການວິເຄາະນີ້ຢືນຢັນຕື່ມອີກວ່າການເຊື່ອມຕໍ່ເຄືອຂ່າຍຮໍໂມນພາຍໃນກັບຮໍໂມນພືດອື່ນໆນອກເໜືອຈາກ JAs ເຮັດໃຫ້ເກີດຄວາມຈຳເພາະຂອງການຈັດລະບຽບການເຜົາຜານອາຫານຄືນໃໝ່ທີ່ເກີດຈາກສັດກິນພືດ. ໂດຍສະເພາະ, ພວກເຮົາກວດພົບວ່າ ET ທີ່ເກີດຈາກ OSM ແມ່ນໃຫຍ່ກວ່າ OSS1 ຢ່າງຫຼວງຫຼາຍ. ຮູບແບບນີ້ສອດຄ່ອງກັບເນື້ອໃນ FAC ຫຼາຍຂຶ້ນໃນ OSM, ເຊິ່ງເປັນເງື່ອນໄຂທີ່ຈຳເປັນ ແລະ ພຽງພໍສຳລັບການກະຕຸ້ນການລະເບີດ ET (48). ໃນສະພາບການຂອງການພົວພັນລະຫວ່າງພືດ ແລະ ສັດກິນພືດ, ໜ້າທີ່ສັນຍານຂອງ ET ກ່ຽວກັບການເຄື່ອນໄຫວຂອງການເຜົາຜານອາຫານສະເພາະຂອງພືດຍັງຄົງເປັນບາງຄັ້ງຄາວ ແລະ ແນໃສ່ກຸ່ມສານປະກອບດຽວເທົ່ານັ້ນ. ນອກຈາກນັ້ນ, ການສຶກສາສ່ວນໃຫຍ່ໄດ້ໃຊ້ການນຳໃຊ້ ET ຈາກພາຍນອກ ຫຼື ສານຕັ້ງຕົ້ນ ຫຼື ຕົວຍັບຍັ້ງຕ່າງໆເພື່ອສຶກສາການຄວບຄຸມຂອງ ET, ເຊິ່ງການນຳໃຊ້ສານເຄມີຈາກພາຍນອກເຫຼົ່ານີ້ຈະເຮັດໃຫ້ເກີດຜົນຂ້າງຄຽງທີ່ບໍ່ສະເພາະເຈາະຈົງຫຼາຍຢ່າງ. ຕາມຄວາມຮູ້ຂອງພວກເຮົາ, ການສຶກສານີ້ເປັນຕົວແທນການກວດສອບຢ່າງເປັນລະບົບຂະໜາດໃຫຍ່ຄັ້ງທຳອິດກ່ຽວກັບບົດບາດຂອງ ET ໃນການນຳໃຊ້ ET ເພື່ອຜະລິດ ແລະ ຮັບຮູ້ພືດດັດແປງພັນທຸກຳທີ່ບົກຜ່ອງເພື່ອປະສານງານການເຄື່ອນໄຫວຂອງລະບົບການເຜົາຜານອາຫານຂອງພືດ. ການກະຕຸ້ນ ET ທີ່ສະເພາະກັບສັດກິນພືດໃນທີ່ສຸດສາມາດປັບປ່ຽນການຕອບສະໜອງຂອງລະບົບການເຜົາຜານອາຫານໄດ້. ສິ່ງທີ່ສຳຄັນທີ່ສຸດແມ່ນການຫມູນໃຊ້ການດັດແປງພັນທຸກຳຂອງ ET biosynthesis (ACO) ແລະ gene ການຮັບຮູ້ (ETR1) ທີ່ເປີດເຜີຍການສະສົມ phenolamides ສະເພາະກັບສັດກິນພືດ. ມັນໄດ້ສະແດງໃຫ້ເຫັນວ່າ ET ສາມາດປັບການສະສົມ nicotine ທີ່ເກີດຈາກ JA ໂດຍການຄວບຄຸມ putrescine N-methyltransferase (49). ຢ່າງໃດກໍຕາມ, ຈາກທັດສະນະທາງກົນຈັກ, ມັນຍັງບໍ່ຊັດເຈນວ່າ ET ປັບການກະຕຸ້ນຂອງ phenamide ແນວໃດ. ນອກເໜືອໄປຈາກໜ້າທີ່ການສົ່ງສັນຍານຂອງ ET, ກະແສການເຜົາຜານອາຫານຍັງສາມາດຖືກໂອນໄປຫາ S-adenosyl-1-methionine ເພື່ອຄວບຄຸມການລົງທຶນໃນ polyaminophenol amides. S-adenosyl-1-methionine ແມ່ນ ET ແລະເປັນຕົວກາງທົ່ວໄປຂອງເສັ້ນທາງການສັງເຄາະຊີວະພາບຂອງ polyamine. ກົນໄກທີ່ສັນຍານ ET ຄວບຄຸມລະດັບຂອງ phenolamide ຍັງຕ້ອງການການສຶກສາຕື່ມອີກ.
ເປັນເວລາດົນນານ, ເນື່ອງຈາກມີຈຳນວນຫຼວງຫຼາຍຂອງສານເມຕາໂບໄລພິເສດທີ່ມີໂຄງສ້າງທີ່ບໍ່ຮູ້ຈັກ, ການເອົາໃຈໃສ່ຢ່າງເລິກເຊິ່ງຕໍ່ໝວດໝູ່ການເຜົາຜານອາຫານສະເພາະບໍ່ສາມາດປະເມີນການປ່ຽນແປງທາງດ້ານເວລາຂອງຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານຫຼັງຈາກການພົວພັນທາງຊີວະພາບໄດ້ຢ່າງເຂັ້ມງວດ. ໃນປະຈຸບັນ, ອີງຕາມການວິເຄາະທິດສະດີຂໍ້ມູນ, ຜົນໄດ້ຮັບຫຼັກຂອງການໄດ້ມາຂອງ MS/MS ໂດຍອີງໃສ່ສານເມຕາໂບໄລທີ່ບໍ່ລຳອຽງແມ່ນວ່າສັດກິນພືດ ຫຼື ຈຳລອງສັດກິນພືດສືບຕໍ່ຫຼຸດຜ່ອນຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານໂດຍລວມຂອງສານເມຕາໂບໄລໃບ ໃນຂະນະທີ່ເພີ່ມລະດັບຄວາມຊ່ຽວຊານຂອງມັນ. ການເພີ່ມຂຶ້ນຂອງຄວາມຈຳເພາະຂອງສານເມຕາໂບໄລທີ່ເກີດຈາກສັດກິນພືດແມ່ນກ່ຽວຂ້ອງກັບການເພີ່ມຂຶ້ນຂອງຄວາມຈຳເພາະຂອງ transcriptome. ລັກສະນະທີ່ປະກອບສ່ວນຫຼາຍທີ່ສຸດຕໍ່ຄວາມຊ່ຽວຊານຂອງສານເມຕາໂບໄລທີ່ໃຫຍ່ກວ່ານີ້ (ມີຄ່າ Si ສູງກວ່າ) ແມ່ນສານເມຕາໂບໄລພິເສດທີ່ມີໜ້າທີ່ກິນພືດທີ່ມີລັກສະນະກ່ອນໜ້ານີ້. ຮູບແບບນີ້ສອດຄ່ອງກັບການຄາດຄະເນຂອງທິດສະດີ OD, ແຕ່ການຄາດຄະເນຂອງ MT ທີ່ກ່ຽວຂ້ອງກັບຄວາມສຸ່ມຂອງການຂຽນໂປຣແກຣມຄືນໃໝ່ຂອງສານເມຕາໂບໄລບໍ່ສອດຄ່ອງກັນ. ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນນີ້ຍັງສອດຄ່ອງກັບການຄາດຄະເນຂອງຮູບແບບປະສົມ (MT ທີ່ດີທີ່ສຸດ; ຮູບທີ 1B), ເພາະວ່າສານເມຕາໂບໄລອື່ນໆທີ່ບໍ່ມີຄຸນລັກສະນະທີ່ມີໜ້າທີ່ປ້ອງກັນທີ່ບໍ່ຮູ້ຈັກອາດຈະຍັງປະຕິບັດຕາມການແຈກຢາຍ Si ແບບສຸ່ມ.
ຮູບແບບທີ່ໜ້າສັງເກດອີກອັນໜຶ່ງທີ່ການຄົ້ນຄວ້ານີ້ບັນທຶກໄວ້ຕື່ມອີກແມ່ນວ່າ ຈາກລະດັບວິວັດທະນາການຈຸນລະພາກ (ພືດຊະນິດດຽວ ແລະ ປະຊາກອນຢາສູບ) ໄປສູ່ລະດັບວິວັດທະນາການທີ່ໃຫຍ່ກວ່າ (ຊະນິດຢາສູບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດ), ລະດັບການຈັດຕັ້ງວິວັດທະນາການທີ່ແຕກຕ່າງກັນແມ່ນຢູ່ໃນ "ການປ້ອງກັນທີ່ດີທີ່ສຸດ". ມີຄວາມແຕກຕ່າງຢ່າງຫຼວງຫຼາຍໃນຄວາມສາມາດຂອງສັດກິນພືດ. Moore et al. (20) ແລະ Kessler ແລະ Kalske (1) ໄດ້ສະເໜີຢ່າງເປັນອິດສະຫຼະເພື່ອປ່ຽນລະດັບການທຳງານຂອງຄວາມຫຼາກຫຼາຍທາງຊີວະພາບທັງສາມລະດັບທີ່ Whittaker (50) ແຍກແຍະໃນເບື້ອງຕົ້ນໃຫ້ເປັນການປ່ຽນແປງທາງດ້ານເວລາທີ່ເປັນເອກະພາບ ແລະ ກະຕຸ້ນຂອງຄວາມຫຼາກຫຼາຍທາງເຄມີ; ຜູ້ຂຽນເຫຼົ່ານີ້ບໍ່ໄດ້ສະຫຼຸບ. ຂັ້ນຕອນສຳລັບການເກັບກຳຂໍ້ມູນ metabolome ຂະໜາດໃຫຍ່ຍັງບໍ່ໄດ້ລະບຸວິທີການຄິດໄລ່ຄວາມຫຼາກຫຼາຍທາງ metabolism ຈາກຂໍ້ມູນເຫຼົ່ານີ້. ໃນການສຶກສານີ້, ການປັບປ່ຽນເລັກນ້ອຍຕໍ່ການຈັດປະເພດໜ້າທີ່ຂອງ Whittaker ຈະພິຈາລະນາຄວາມຫຼາກຫຼາຍ α-metabolic ເປັນຄວາມຫຼາກຫຼາຍຂອງ spectra MS/MS ໃນພືດທີ່ກຳນົດໃຫ້, ແລະຄວາມຫຼາກຫຼາຍ β-metabolic ເປັນ metabolism intraspecific ພື້ນຖານຂອງກຸ່ມປະຊາກອນ. ອະວະກາດ, ແລະຄວາມຫຼາກຫຼາຍ γ-metabolic ຈະເປັນການຂະຫຍາຍຂອງການວິເຄາະຊະນິດທີ່ຄ້າຍຄືກັນ.
ສັນຍານ JA ແມ່ນສິ່ງຈຳເປັນສຳລັບການຕອບສະໜອງດ້ານການເຜົາຜານອາຫານຂອງສັດກິນພືດຫຼາກຫຼາຍຊະນິດ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຍັງຂາດການທົດສອບດ້ານປະລິມານທີ່ເຂັ້ມງວດກ່ຽວກັບການປະກອບສ່ວນຂອງການຄວບຄຸມພາຍໃນສະເພາະຂອງການສັງເຄາະ JA ຕໍ່ຄວາມຫຼາກຫຼາຍຂອງການເຜົາຜານອາຫານ, ແລະວ່າສັນຍານ JA ເປັນບ່ອນທົ່ວໄປສຳລັບການກະຈາຍການເຜົາຜານອາຫານທີ່ເກີດຈາກຄວາມກົດດັນໃນລະດັບມະຫາພາກທີ່ສູງຂຶ້ນຍັງບໍ່ທັນເປັນທີ່ຈະແຈ້ງເທື່ອ. ພວກເຮົາສັງເກດເຫັນວ່າລັກສະນະການກິນພືດຂອງສັດ Nepenthes ທີ່ກິນພືດກະຕຸ້ນຄວາມຊ່ຽວຊານດ້ານການເຜົາຜານອາຫານ ແລະການປ່ຽນແປງຂອງຄວາມຊ່ຽວຊານດ້ານການເຜົາຜານອາຫານພາຍໃນປະຊາກອນຂອງຊະນິດ Nicotiana ແລະໃນບັນດາຊະນິດ Nicotiana ທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດແມ່ນມີຄວາມກ່ຽວຂ້ອງໃນທາງບວກກັບສັນຍານ JA ຢ່າງເປັນລະບົບ. ນອກຈາກນັ້ນ, ເມື່ອສັນຍານ JA ຖືກບົກຜ່ອງ, ຄວາມຈຳເພາະດ້ານການເຜົາຜານອາຫານທີ່ເກີດຈາກສັດກິນພືດ genotype ດຽວຈະຖືກຍົກເລີກ (ຮູບທີ 3, C ແລະ E). ເນື່ອງຈາກການປ່ຽນແປງຂອງສະເປກຕຣຳການເຜົາຜານອາຫານຂອງປະຊາກອນ Nepenthes ທີ່ຫຼຸດລົງຕາມທຳມະຊາດສ່ວນໃຫຍ່ແມ່ນເປັນປະລິມານ, ການປ່ຽນແປງໃນຄວາມຫຼາກຫຼາຍ β ແລະຄວາມຈຳເພາະດ້ານການເຜົາຜານອາຫານໃນການວິເຄາະນີ້ອາດຈະເກີດຈາກການກະຕຸ້ນທີ່ເຂັ້ມແຂງຂອງໝວດໝູ່ສານປະກອບທີ່ອຸດົມດ້ວຍສານປະສົມ. ໝວດໝູ່ສານປະກອບເຫຼົ່ານີ້ຄອບງຳສ່ວນໜຶ່ງຂອງໂປຣໄຟລ໌ການເຜົາຜານອາຫານ ແລະນຳໄປສູ່ຄວາມສຳພັນໃນທາງບວກກັບສັນຍານ JA.
ເນື່ອງຈາກກົນໄກທາງຊີວະເຄມີຂອງຊະນິດຢາສູບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດກັບມັນແຕກຕ່າງກັນຫຼາຍ, ສານເມຕາໂບໄລທ໌ຈຶ່ງຖືກລະບຸໂດຍສະເພາະໃນດ້ານຄຸນນະພາບ, ສະນັ້ນມັນຈຶ່ງມີການວິເຄາະຫຼາຍຂຶ້ນ. ການປະມວນຜົນຂອງທິດສະດີຂໍ້ມູນຂ່າວສານຂອງໂປຣໄຟລ໌ການເຜົາຜານອາຫານທີ່ຖືກຈັບໄດ້ສະແດງໃຫ້ເຫັນວ່າການກະຕຸ້ນການກິນພືດເຮັດໃຫ້ການແລກປ່ຽນລະຫວ່າງຄວາມຫຼາກຫຼາຍຂອງແກມມາທາງເມຕາໂບໄລທ໌ ແລະ ຄວາມຊ່ຽວຊານເພີ່ມຂຶ້ນ. ສັນຍານ JA ມີບົດບາດສຳຄັນໃນການແລກປ່ຽນນີ້. ການເພີ່ມຂຶ້ນຂອງຄວາມຊ່ຽວຊານດ້ານເມຕາໂບໄລທ໌ແມ່ນສອດຄ່ອງກັບການຄາດຄະເນ OD ຫຼັກ ແລະ ມີຄວາມກ່ຽວຂ້ອງໃນທາງບວກກັບສັນຍານ JA, ໃນຂະນະທີ່ສັນຍານ JA ມີຄວາມກ່ຽວຂ້ອງໃນທາງລົບກັບຄວາມຫຼາກຫຼາຍຂອງແກມມາທາງເມຕາໂບໄລທ໌. ຮູບແບບເຫຼົ່ານີ້ຊີ້ໃຫ້ເຫັນວ່າຄວາມສາມາດຂອງ OD ຂອງພືດສ່ວນໃຫຍ່ແມ່ນຖືກກຳນົດໂດຍຄວາມຍືດຫຍຸ່ນຂອງ JA, ບໍ່ວ່າຈະຢູ່ໃນຂະໜາດຈຸລະພາກວິວັດທະນາການ ຫຼື ໃນລະດັບວິວັດທະນາການທີ່ໃຫຍ່ກວ່າ. ການທົດລອງການນຳໃຊ້ JA ຈາກພາຍນອກທີ່ຫຼີກລ່ຽງຂໍ້ບົກຜ່ອງຂອງການສັງເຄາະ JA ເປີດເຜີຍຕື່ມອີກວ່າຊະນິດຢາສູບທີ່ກ່ຽວຂ້ອງຢ່າງໃກ້ຊິດສາມາດຈຳແນກໄດ້ເປັນຊະນິດທີ່ຕອບສະໜອງສັນຍານ ແລະ ບໍ່ຕອບສະໜອງສັນຍານ, ຄືກັນກັບຮູບແບບຂອງ JA ແລະ ຄວາມຍືດຫຍຸ່ນຂອງເມຕາໂບໄລທ໌ທີ່ເກີດຈາກສັດກິນພືດ. ຊະນິດທີ່ບໍ່ຕອບສະໜອງສັນຍານບໍ່ສາມາດຕອບສະໜອງໄດ້ເນື່ອງຈາກພວກມັນບໍ່ສາມາດຜະລິດ JA ພາຍໃນ ແລະ ດັ່ງນັ້ນຈຶ່ງຂຶ້ນກັບຂໍ້ຈຳກັດທາງສະລີລະວິທະຍາ. ສິ່ງນີ້ອາດຈະເກີດຈາກການກາຍພັນໃນບາງ gene ທີ່ສຳຄັນໃນເສັ້ນທາງສັນຍານ JA (AOS ແລະ JAR4 ໃນ N. crescens). ຜົນໄດ້ຮັບນີ້ເນັ້ນໃຫ້ເຫັນວ່າຮູບແບບການວິວັດທະນາການມະຫາພາກລະຫວ່າງຊະນິດເຫຼົ່ານີ້ອາດຈະເກີດຈາກການປ່ຽນແປງໃນການຮັບຮູ້ຮໍໂມນພາຍໃນ ແລະ ການຕອບສະໜອງ.
ນອກເໜືອໄປຈາກການພົວພັນລະຫວ່າງພືດ ແລະ ສັດກິນພືດ, ການສຳຫຼວດຄວາມຫຼາກຫຼາຍທາງເມຕາບໍລິເວณແມ່ນກ່ຽວຂ້ອງກັບຄວາມກ້າວໜ້າທາງທິດສະດີທີ່ສຳຄັນທັງໝົດໃນການຄົ້ນຄວ້າການປັບຕົວທາງຊີວະພາບເຂົ້າກັບສິ່ງແວດລ້ອມ ແລະ ວິວັດທະນາການຂອງລັກສະນະທາງຟີໂນໄທປິກທີ່ສັບສົນ. ດ້ວຍການເພີ່ມຂຶ້ນຂອງປະລິມານຂໍ້ມູນທີ່ໄດ້ມາໂດຍເຄື່ອງມື MS ທີ່ທັນສະໄໝ, ການທົດສອບສົມມຸດຕິຖານກ່ຽວກັບຄວາມຫຼາກຫຼາຍທາງເມຕາບໍລິເວณໃນປັດຈຸບັນສາມາດເກີນຄວາມແຕກຕ່າງຂອງເມຕາບໍລິເວณສ່ວນບຸກຄົນ/ໝວດໝູ່ ແລະ ປະຕິບັດການວິເຄາະທົ່ວໂລກເພື່ອເປີດເຜີຍຮູບແບບທີ່ບໍ່ຄາດຄິດ. ໃນຂະບວນການຂອງການວິເຄາະຂະໜາດໃຫຍ່, ຄຳປຽບທຽບທີ່ສຳຄັນແມ່ນແນວຄວາມຄິດຂອງການຄິດແຜນທີ່ທີ່ມີຄວາມໝາຍທີ່ສາມາດນຳໃຊ້ເພື່ອສຳຫຼວດຂໍ້ມູນ. ດັ່ງນັ້ນ, ຜົນໄດ້ຮັບທີ່ສຳຄັນຂອງການປະສົມປະສານໃນປະຈຸບັນຂອງເມຕາບໍລິເວณ MS/MS ທີ່ບໍ່ລຳອຽງ ແລະ ທິດສະດີຂໍ້ມູນຂ່າວສານແມ່ນວ່າມັນໃຫ້ຕົວຊີ້ວັດງ່າຍໆທີ່ສາມາດນຳໃຊ້ເພື່ອສ້າງແຜນທີ່ເພື່ອເບິ່ງຄວາມຫຼາກຫຼາຍທາງເມຕາບໍລິເວณໃນລະດັບ taxonomic ທີ່ແຕກຕ່າງກັນ. ມັນເປັນຄວາມຕ້ອງການພື້ນຖານຂອງວິທີການນີ້. ການສຶກສາກ່ຽວກັບວິວັດທະນາການຈຸນລະພາກ/ມະຫາພາກ ແລະ ນິເວດວິທະຍາຊຸມຊົນ.
ໃນລະດັບວິວັດທະນາການມະຫາພາກ, ຫຼັກຂອງທິດສະດີວິວັດທະນາການຮ່ວມລະຫວ່າງພືດ-ແມງໄມ້ຂອງ Ehrlich ແລະ Raven (51) ແມ່ນເພື່ອຄາດຄະເນວ່າການປ່ຽນແປງຂອງຄວາມຫຼາກຫຼາຍທາງເມຕາໂບລີນລະຫວ່າງຊະນິດແມ່ນສາເຫດຂອງຄວາມຫຼາກຫຼາຍຂອງເຊື້ອສາຍພືດ. ຢ່າງໃດກໍຕາມ, ໃນຫ້າສິບປີນັບຕັ້ງແຕ່ການພິມເຜີຍແຜ່ຜົນງານທີ່ສຳຄັນນີ້, ສົມມຸດຕິຖານນີ້ບໍ່ຄ່ອຍໄດ້ຮັບການທົດສອບ (52). ສ່ວນໃຫຍ່ແມ່ນຍ້ອນລັກສະນະ phylogenetic ຂອງລັກສະນະການເມຕາໂບລີນທີ່ປຽບທຽບກັນໃນທົ່ວເຊື້ອສາຍພືດໄລຍະໄກ. ຄວາມຫາຍາກສາມາດຖືກນໍາໃຊ້ເພື່ອຢືນຢັນວິທີການວິເຄາະເປົ້າໝາຍ. ຂະບວນການເຮັດວຽກ MS/MS ໃນປະຈຸບັນທີ່ປະມວນຜົນໂດຍທິດສະດີຂໍ້ມູນຂ່າວສານຄິດໄລ່ຄວາມຄ້າຍຄືກັນຂອງໂຄງສ້າງ MS/MS ຂອງ metabolites ທີ່ບໍ່ຮູ້ຈັກ (ໂດຍບໍ່ມີການເລືອກ metabolite ກ່ອນ) ແລະປ່ຽນ MS/MS ເຫຼົ່ານີ້ເປັນຊຸດຂອງ MS/MS, ດັ່ງນັ້ນໃນການເມຕາໂບລີນແບບມືອາຊີບ, ຮູບແບບວິວັດທະນາການມະຫາພາກເຫຼົ່ານີ້ຖືກປຽບທຽບໃນລະດັບການຈັດປະເພດ. ຕົວຊີ້ວັດທາງສະຖິຕິງ່າຍໆ. ຂະບວນການດັ່ງກ່າວແມ່ນຄ້າຍຄືກັນກັບການວິເຄາະ phylogenetic, ເຊິ່ງສາມາດໃຊ້ການຈັດລຽງລໍາດັບເພື່ອຄິດໄລ່ອັດຕາການຫຼາກຫຼາຍຫຼືວິວັດທະນາການລັກສະນະໂດຍບໍ່ມີການຄາດຄະເນກ່ອນ.
ໃນລະດັບຊີວະເຄມີ, ສົມມຸດຕິຖານການກວດສອບຂອງ Firn ແລະ Jones (53) ສະແດງໃຫ້ເຫັນວ່າຄວາມຫຼາກຫຼາຍທາງເມຕາບໍລິກັມຖືກຮັກສາໄວ້ໃນລະດັບຕ່າງໆເພື່ອສະໜອງວັດຖຸດິບເພື່ອໃຊ້ກິດຈະກຳທາງຊີວະພາບຂອງສານເມຕາບໍລິກັມທີ່ບໍ່ກ່ຽວຂ້ອງກັນ ຫຼື ທົດແທນກ່ອນໜ້ານີ້. ວິທີການທິດສະດີຂໍ້ມູນຂ່າວສານສະໜອງຂອບການເຮັດວຽກທີ່ການຫັນປ່ຽນວິວັດທະນາການສະເພາະຂອງສານເມຕາບໍລິກັມເຫຼົ່ານີ້ທີ່ເກີດຂຶ້ນໃນລະຫວ່າງການຊ່ຽວຊານດ້ານສານເມຕາບໍລິກັມສາມາດຖືກວັດແທກເປັນສ່ວນໜຶ່ງຂອງຂະບວນການກວດສອບວິວັດທະນາການທີ່ສະເໜີ: ການປັບຕົວທີ່ມີການເຄື່ອນໄຫວທາງຊີວະພາບຈາກຄວາມຈຳເພາະຕ່ຳໄປສູ່ຄວາມຈຳເພາະສູງ ສານເມຕາບໍລິກັມທີ່ຖືກຍັບຍັ້ງຂອງສະພາບແວດລ້ອມທີ່ກຳນົດໃຫ້.
ໂດຍລວມແລ້ວ, ໃນຊ່ວງຕົ້ນໆຂອງຊີວະວິທະຍາໂມເລກຸນ, ທິດສະດີປ້ອງກັນພືດທີ່ສຳຄັນໄດ້ຖືກພັດທະນາຂຶ້ນ, ແລະວິທີການທີ່ຂັບເຄື່ອນດ້ວຍສົມມຸດຕິຖານແບບຫັກລົບໄດ້ຖືກພິຈາລະນາຢ່າງກວ້າງຂວາງວ່າເປັນວິທີການດຽວຂອງຄວາມກ້າວໜ້າທາງວິທະຍາສາດ. ສ່ວນໃຫຍ່ແມ່ນຍ້ອນຂໍ້ຈຳກັດທາງດ້ານເຕັກນິກຂອງການວັດແທກ metabolome ທັງໝົດ. ເຖິງແມ່ນວ່າວິທີການທີ່ຂັບເຄື່ອນດ້ວຍສົມມຸດຕິຖານມີປະໂຫຍດໂດຍສະເພາະໃນການເລືອກກົນໄກສາເຫດອື່ນໆ, ຄວາມສາມາດຂອງພວກມັນເພື່ອພັດທະນາຄວາມເຂົ້າໃຈຂອງພວກເຮົາກ່ຽວກັບເຄືອຂ່າຍຊີວະເຄມີແມ່ນມີຂໍ້ຈຳກັດຫຼາຍກ່ວາວິທີການຄິດໄລ່ທີ່ມີຢູ່ໃນວິທະຍາສາດທີ່ໃຊ້ຂໍ້ມູນຫຼາຍໃນປະຈຸບັນ. ດັ່ງນັ້ນ, ທິດສະດີທີ່ບໍ່ສາມາດຄາດເດົາໄດ້ແມ່ນຢູ່ນອກເໜືອຂອບເຂດຂອງຂໍ້ມູນທີ່ມີຢູ່, ສະນັ້ນສູດສົມມຸດຕິຖານ/ວົງຈອນການທົດສອບຂອງຄວາມກ້າວໜ້າໃນຂົງເຂດການຄົ້ນຄວ້າບໍ່ສາມາດຍົກເລີກໄດ້ (4). ພວກເຮົາຄາດຄະເນວ່າຂະບວນການຄິດໄລ່ຂອງ metabolomics ທີ່ນຳສະເໜີຢູ່ນີ້ສາມາດກະຕຸ້ນຄວາມສົນໃຈຄືນໃໝ່ໃນບັນຫາທີ່ຜ່ານມາ (ແນວໃດ) ແລະສຸດທ້າຍ (ເປັນຫຍັງ) ຂອງຄວາມຫຼາກຫຼາຍທາງ metabolism, ແລະປະກອບສ່ວນເຂົ້າໃນຍຸກໃໝ່ຂອງວິທະຍາສາດຂໍ້ມູນທີ່ນຳພາໂດຍທິດສະດີ. ຍຸກດັ່ງກ່າວໄດ້ກວດສອບທິດສະດີທີ່ສຳຄັນທີ່ເປັນແຮງບັນດານໃຈໃຫ້ຄົນລຸ້ນກ່ອນ.
ການໃຫ້ອາຫານໂດຍກົງແກ່ສັດກິນພືດແມ່ນດຳເນີນໂດຍການລ້ຽງຕົວອ່ອນໄລຍະທີສອງ ຫຼື ຕົວອ່ອນ Sl ໃສ່ໃບຕົ້ນກະຖາງສີຈືດໆຂອງຕົ້ນໄມ້ດອກກຸຫຼາບດຽວ, ໂດຍມີຕົ້ນໄມ້ຊ້ຳຊ້ອນ 10 ຕົ້ນຕໍ່ຕົ້ນ. ຕົວອ່ອນຂອງແມງໄມ້ໄດ້ຖືກໜີບດ້ວຍໜີບ, ແລະ ເນື້ອເຍື່ອໃບທີ່ເຫຼືອໄດ້ຖືກເກັບກຳ 24 ແລະ 72 ຊົ່ວໂມງຫຼັງຈາກການຕິດເຊື້ອ ແລະ ແຊ່ແຂງໄວ, ແລະ ສານເມຕາໂບໄລໄດ້ຖືກສະກັດອອກ.
ຈຳລອງການປິ່ນປົວດ້ວຍພືດທີ່ກິນພືດໃນລັກສະນະທີ່ສອດຄ່ອງກັນສູງ. ວິທີການແມ່ນການໃຊ້ລໍ້ລວດລາຍຜ້າເພື່ອເຈາະໜາມສາມແຖວຢູ່ແຕ່ລະດ້ານຂອງກາງໃບທັງສາມໃບທີ່ຂະຫຍາຍອອກເຕັມທີ່ຂອງພືດໃນລະຫວ່າງໄລຍະການເຕີບໃຫຍ່ຂອງພວງມາໄລຜ້າ, ແລະໃຊ້ Ms ທີ່ລະລາຍໃນອັດຕາສ່ວນ 1:5 ທັນທີ. ຫຼືໃຊ້ນິ້ວມືທີ່ໃສ່ຖົງມືເພື່ອໃສ່ S1 OS ເຂົ້າໄປໃນບາດແຜທີ່ເຈາະ. ເກັບກ່ຽວແລະປຸງແຕ່ງໃບຕາມທີ່ໄດ້ອະທິບາຍໄວ້ຂ້າງເທິງ. ໃຊ້ວິທີການທີ່ໄດ້ອະທິບາຍໄວ້ກ່ອນໜ້ານີ້ເພື່ອສະກັດເອົາສານເມຕາໂບໄລຂັ້ນຕົ້ນ ແລະ ຮໍໂມນພືດ (54).
ສຳລັບການນຳໃຊ້ JA ຈາກພາຍນອກ, ໃບກ້ານໃບທັງສາມໃບຂອງຕົ້ນດອກກຸຫຼາບທັງຫົກຕົ້ນຂອງແຕ່ລະຊະນິດແມ່ນໄດ້ຮັບການປິ່ນປົວດ້ວຍຢາ lanolin 20μl ທີ່ມີ MeJA 150μg (Lan + MeJA), ແລະ lanolin 20μl ບວກກັບການຮັກສາບາດແຜ (Lan + W), ຫຼືໃຊ້ lanolin ບໍລິສຸດ 20μl ເປັນຕົວຄວບຄຸມ. ໃບໄດ້ຖືກເກັບກ່ຽວ 72 ຊົ່ວໂມງຫຼັງຈາກການປິ່ນປົວ, ແຊ່ແຂງໃນໄນໂຕຣເຈນແຫຼວ, ແລະເກັບຮັກສາໄວ້ທີ່ -80°C ຈົນກວ່າຈະນຳໃຊ້.
ສາຍພັນທີ່ຖືກດັດແປງພັນທຸກໍາ JA ແລະ ET ສີ່ສາຍພັນຄື irAOC (36), irCOI1 (55), irACO ແລະ sETR1 (48), ໄດ້ຖືກລະບຸຢູ່ໃນກຸ່ມຄົ້ນຄວ້າຂອງພວກເຮົາ. irAOC ສະແດງໃຫ້ເຫັນການຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນລະດັບ JA ແລະ JA-Ile, ໃນຂະນະທີ່ irCOI1 ບໍ່ມີຄວາມອ່ອນໄຫວຕໍ່ JAs. ເມື່ອປຽບທຽບກັບ EV, ການສະສົມ JA-Ile ເພີ່ມຂຶ້ນ. ໃນລັກສະນະດຽວກັນ, irACO ຈະຫຼຸດຜ່ອນການຜະລິດ ET, ແລະ ເມື່ອປຽບທຽບກັບ EV, sETR1, ເຊິ່ງບໍ່ມີຄວາມອ່ອນໄຫວຕໍ່ ET, ຈະເພີ່ມການຜະລິດ ET.
ເຄື່ອງວັດແທກແສງເລເຊີສະເປກໂຕຣມິເຕີ (ເຊັນເຊີ ET ເວລາຈິງ Sensor Sense ETD-300) ຖືກນຳໃຊ້ເພື່ອວັດແທກ ET ໂດຍບໍ່ມີການຮຸກຮານ. ທັນທີຫຼັງຈາກການປິ່ນປົວ, ໃບເຄິ່ງໜຶ່ງໄດ້ຖືກຕັດ ແລະ ຍ້າຍໃສ່ຂວດແກ້ວທີ່ປິດສະໜິດ 4 ມລ, ແລະ ປ່ອຍໃຫ້ພື້ນທີ່ຫວ່າງພາຍໃນ 5 ຊົ່ວໂມງ. ໃນລະຫວ່າງການວັດແທກ, ແຕ່ລະຂວດໄດ້ຖືກລ້າງດ້ວຍກະແສອາກາດບໍລິສຸດ 2 ລິດ/ຊົ່ວໂມງ ເປັນເວລາ 8 ນາທີ, ເຊິ່ງກ່ອນໜ້ານີ້ໄດ້ຜ່ານຕົວເລັ່ງປະຕິກິລິຍາທີ່ສະໜອງໃຫ້ໂດຍ Sensor Sense ເພື່ອກຳຈັດ CO2 ແລະ ນ້ຳ.
ຂໍ້ມູນ microarray ໄດ້ຖືກເຜີຍແຜ່ໃນເບື້ອງຕົ້ນໃນ (35) ແລະບັນທຶກໄວ້ໃນຖານຂໍ້ມູນ Gene Expression Comprehensive ຂອງສູນແຫ່ງຊາດເພື່ອຂໍ້ມູນຂ່າວສານເຕັກໂນໂລຊີຊີວະພາບ (NCBI) (ເລກທີ່ເຂົ້າເຖິງ GSE30287). ຂໍ້ມູນທີ່ສອດຄ້ອງກັບໃບທີ່ເກີດຈາກການປິ່ນປົວດ້ວຍ W + OSMs ແລະກຸ່ມຄວບຄຸມທີ່ບໍ່ເສຍຫາຍໄດ້ຖືກສະກັດອອກມາສຳລັບການສຶກສານີ້. ຄວາມເຂັ້ມຂຸ້ນດິບແມ່ນ log2. ກ່ອນການວິເຄາະທາງສະຖິຕິ, ຄ່າພື້ນຖານໄດ້ຖືກປ່ຽນ ແລະ ປັບໃຫ້ເປັນຄ່າປົກກະຕິເປັນເປີເຊັນໄທລ໌ທີ 75 ໂດຍໃຊ້ຊຸດຊອບແວ R.
ຂໍ້ມູນການຈັດລຳດັບ RNA ຕົ້ນສະບັບ (RNA-seq) ຂອງຊະນິດ Nicotiana ໄດ້ຖືກດຶງມາຈາກ NCBI Short Reading Archives (SRA), ໝາຍເລກໂຄງການແມ່ນ PRJNA301787, ເຊິ່ງໄດ້ລາຍງານໂດຍ Zhou et al. (39) ແລະດຳເນີນການຕາມທີ່ໄດ້ອະທິບາຍໄວ້ໃນ (56). ຂໍ້ມູນດິບທີ່ປະມວນຜົນໂດຍ W + W, W + OSM ແລະ W + OSS1 ທີ່ສອດຄ້ອງກັບຊະນິດ Nicotiana ໄດ້ຖືກຄັດເລືອກສຳລັບການວິເຄາະໃນການສຶກສານີ້, ແລະປະມວນຜົນໃນລັກສະນະດັ່ງຕໍ່ໄປນີ້: ທຳອິດ, ການອ່ານ RNA-seq ດິບໄດ້ຖືກປ່ຽນເປັນຮູບແບບ FASTQ. HISAT2 ປ່ຽນ FASTQ ເປັນ SAM, ແລະ SAMtools ປ່ຽນໄຟລ໌ SAM ເປັນໄຟລ໌ BAM ທີ່ຈັດຮຽງ. StringTie ຖືກນຳໃຊ້ເພື່ອຄິດໄລ່ການສະແດງອອກຂອງ gene, ແລະວິທີການສະແດງອອກຂອງມັນແມ່ນວ່າມີຊິ້ນສ່ວນຕໍ່ພັນຊິ້ນສ່ວນພື້ນຖານຕໍ່ລ້ານຊິ້ນສ່ວນການຖອດລະຫັດທີ່ຈັດລຳດັບ.
ຖັນໂຄຣມາໂຕກຣາຟີ Acclaim (150 ມມ x 2.1 ມມ; ຂະໜາດອະນຸພາກ 2.2 μm) ທີ່ໃຊ້ໃນການວິເຄາະ ແລະ ຖັນປ້ອງກັນ 4 ມມ x 4 ມມ ປະກອບດ້ວຍວັດສະດຸດຽວກັນ. ການປ່ຽນແປງແບບໄບນາຣີຕໍ່ໄປນີ້ແມ່ນໃຊ້ໃນລະບົບ Dionex UltiMate 3000 Ultra High Performance Liquid Chromatography (UHPLC): 0 ຫາ 0.5 ນາທີ, ໄອໂຊຄຣາຟີ 90% A [ນ້ຳທີ່ບໍ່ມີໄອອອນ, 0.1% (v/v) acetonitrile ແລະ ກົດຟໍມິກ 0.05%], 10% B (Acetonitrile ແລະ ກົດຟໍມິກ 0.05%); 0.5 ຫາ 23.5 ນາທີ, ໄລຍະການປ່ຽນແປງແມ່ນ 10% A ແລະ 90% B ຕາມລຳດັບ; 23.5 ຫາ 25 ນາທີ, ໄອໂຊຄຣາຟີ 10% A ແລະ 90% B. ອັດຕາການໄຫຼແມ່ນ 400μl/ນາທີ. ສຳລັບການວິເຄາະ MS ທັງໝົດ, ໃຫ້ສີດສານລະລາຍຖັນເຂົ້າໄປໃນເຄື່ອງວິເຄາະ quadrupole ແລະ time-of-flight (qTOF) ທີ່ມີແຫຼ່ງ electrospray ທີ່ເຮັດວຽກໃນຮູບແບບ ionization ບວກ (ແຮງດັນໄຟຟ້າ capillary, 4500 V; ທາງອອກ capillary 130 V; ອຸນຫະພູມແຫ້ງ 200°C; ກະແສລົມແຫ້ງ 10 ລິດ/ນາທີ).
ປະຕິບັດການວິເຄາະຊິ້ນສ່ວນ MS / MS (ຕໍ່ໄປນີ້ເອີ້ນວ່າ MS / MS) ທີ່ບໍ່ກ່ຽວຂ້ອງ ຫຼື ບໍ່ສາມາດແຍກອອກຈາກຂໍ້ມູນເພື່ອໃຫ້ໄດ້ຂໍ້ມູນໂຄງສ້າງກ່ຽວກັບໂປຣໄຟລ໌ການເຜົາຜານອາຫານທີ່ສາມາດກວດພົບໄດ້ໂດຍລວມ. ແນວຄວາມຄິດຂອງວິທີການ MS/MS ແບບບໍ່ຈຳແນກແມ່ນອີງໃສ່ຄວາມຈິງທີ່ວ່າ quadrupole ມີປ່ອງຢ້ຽມແຍກມວນສານຂະໜາດໃຫຍ່ຫຼາຍ [ດັ່ງນັ້ນ, ໃຫ້ພິຈາລະນາສັນຍານອັດຕາສ່ວນມວນສານຕໍ່ປະຈຸ (m/z) ທັງໝົດເປັນຊິ້ນສ່ວນ]. ດ້ວຍເຫດຜົນນີ້, ເນື່ອງຈາກເຄື່ອງມື Impact II ບໍ່ສາມາດສ້າງຄວາມອຽງ CE ໄດ້, ການວິເຄາະເອກະລາດຫຼາຍໆຄັ້ງໄດ້ຖືກປະຕິບັດໂດຍໃຊ້ຄ່າພະລັງງານການຊົນກັນຂອງການແຍກຕົວທີ່ເກີດຈາກການຊົນກັນທີ່ເພີ່ມຂຶ້ນ (CE). ໂດຍຫຍໍ້, ກ່ອນອື່ນໝົດວິເຄາະຕົວຢ່າງໂດຍການໄອອອນ UHPLC-electrospray/qTOF-MS ໂດຍໃຊ້ໂໝດມວນສານສະເປກໂຕຣເມຕຣີດ່ຽວ (ເງື່ອນໄຂການແບ່ງສ່ວນຕ່ຳທີ່ສ້າງຂຶ້ນໂດຍການແບ່ງສ່ວນໃນແຫຼ່ງທີ່ມາ), ການສະແກນຈາກ m/z 50 ຫາ 1500 ທີ່ຄວາມຖີ່ຊ້ຳກັນ 5 Hz. ໃຊ້ໄນໂຕຣເຈນເປັນອາຍແກັສຊົນກັນສຳລັບການວິເຄາະ MS/MS, ແລະ ປະຕິບັດການວັດແທກເອກະລາດທີ່ແຮງດັນໄຟຟ້າແຍກຕົວທີ່ເກີດຈາກການຊົນກັນສີ່ຢ່າງຕໍ່ໄປນີ້: 20, 30, 40, ແລະ 50 eV. ຕະຫຼອດຂະບວນການວັດແທກ, quadrupole ມີປ່ອງຢ້ຽມແຍກມວນສານທີ່ໃຫຍ່ທີ່ສຸດ, ຕັ້ງແຕ່ m/z 50 ຫາ 1500. ເມື່ອການທົດລອງຄວາມກວ້າງຂອງຕົວເຄື່ອງດ້ານໜ້າ m/z ແລະ ຄວາມກວ້າງຂອງການແຍກຖືກຕັ້ງເປັນ 200, ຂອບເຂດມວນສານຈະຖືກເປີດໃຊ້ໂດຍອັດຕະໂນມັດໂດຍຊອບແວປະຕິບັດການຂອງເຄື່ອງມື ແລະ 0 Da. ສະແກນຫາຊິ້ນສ່ວນມວນສານຄືກັບໃນຮູບແບບມວນສານດ່ຽວ. ໃຊ້ sodium formate (50 ml isopropanol, 200 μl formic acid ແລະ 1 ml 1M aqueous solution) ສຳລັບການປັບທຽບມວນສານ. ໂດຍການໃຊ້ອັລກໍຣິທຶມການປັບທຽບທີ່ມີຄວາມແມ່ນຍຳສູງຂອງ Bruker, ໄຟລ໌ຂໍ້ມູນຈະຖືກປັບທຽບຫຼັງຈາກແລ່ນ spectrum ສະເລ່ຍໃນໄລຍະເວລາທີ່ກຳນົດ. ໃຊ້ຟັງຊັນສົ່ງອອກຂອງຊອບແວການວິເຄາະຂໍ້ມູນ v4.0 (Brook Dalton, Bremen, ເຢຍລະມັນ) ເພື່ອປ່ຽນໄຟລ໌ຂໍ້ມູນດິບເປັນຮູບແບບ NetCDF. ຊຸດຂໍ້ມູນ MS/MS ໄດ້ຖືກບັນທຶກໄວ້ໃນຖານຂໍ້ມູນ metabolomics ເປີດ MetaboLights (www.ebi.ac.uk) ດ້ວຍເລກທີ່ລົງທະບຽນ MTBLS1471.
ການປະກອບ MS/MS ສາມາດຮັບຮູ້ໄດ້ຜ່ານການວິເຄາະສະຫະສຳພັນລະຫວ່າງສັນຍານຄຸນນະພາບ MS1 ແລະ MS/MS ສຳລັບພະລັງງານການປະທະກັນຕໍ່າ ແລະ ສູງ ແລະ ກົດລະບຽບທີ່ນຳໃຊ້ໃໝ່. ສະຄຣິບ R ຖືກນຳໃຊ້ເພື່ອຮັບຮູ້ການວິເຄາະສະຫະສຳພັນຂອງການແຈກຢາຍຂອງສານຕັ້ງຕົ້ນໃຫ້ກັບຜະລິດຕະພັນ, ແລະ ສະຄຣິບ C# (https://github.com/MPI-DL/indiscriminant-MS-MS-assembly-pipeline) ຖືກນຳໃຊ້ເພື່ອຈັດຕັ້ງປະຕິບັດກົດລະບຽບ.
ເພື່ອຫຼຸດຜ່ອນຄວາມຜິດພາດທາງບວກທີ່ບໍ່ຖືກຕ້ອງທີ່ເກີດຈາກສຽງລົບກວນພື້ນຫຼັງ ແລະ ສະຫະສຳພັນທີ່ບໍ່ຖືກຕ້ອງທີ່ເກີດຈາກການກວດຈັບຄຸນສົມບັດ m/z ບາງຢ່າງໃນຕົວຢ່າງພຽງບໍ່ເທົ່າໃດຕົວຢ່າງ, ພວກເຮົາໃຊ້ຟັງຊັນ "ຈຸດສູງສຸດທີ່ເຕັມ" ຂອງຊຸດ R XCMS (ສຳລັບການແກ້ໄຂສຽງລົບກວນພື້ນຫຼັງ). ຄວນໃຊ້ເພື່ອທົດແທນຄວາມເຂັ້ມ "NA" (ຈຸດສູງສຸດທີ່ບໍ່ໄດ້ຮັບການກວດພົບ). ເມື່ອໃຊ້ຟັງຊັນຈຸດສູງສຸດທີ່ເຕັມ, ຍັງມີຄ່າຄວາມເຂັ້ມ "0" ຫຼາຍຢູ່ໃນຊຸດຂໍ້ມູນທີ່ຈະສົ່ງຜົນກະທົບຕໍ່ການຄິດໄລ່ສະຫະສຳພັນ. ຫຼັງຈາກນັ້ນ, ພວກເຮົາປຽບທຽບຜົນການປະມວນຜົນຂໍ້ມູນທີ່ໄດ້ຮັບເມື່ອໃຊ້ຟັງຊັນຈຸດສູງສຸດທີ່ເຕັມ ແລະ ເມື່ອບໍ່ໃຊ້ຟັງຊັນຈຸດສູງສຸດທີ່ເຕັມ, ແລະ ຄິດໄລ່ຄ່າສຽງລົບກວນພື້ນຫຼັງໂດຍອີງໃສ່ຄ່າສະເລ່ຍທີ່ຄາດຄະເນທີ່ຖືກແກ້ໄຂ, ແລະ ຈາກນັ້ນທົດແທນຄ່າຄວາມເຂັ້ມ 0 ເຫຼົ່ານີ້ດ້ວຍຄ່າພື້ນຫຼັງທີ່ຄິດໄລ່ໄດ້. ພວກເຮົາຍັງໄດ້ພິຈາລະນາພຽງແຕ່ຄຸນສົມບັດທີ່ມີຄວາມເຂັ້ມເກີນສາມເທົ່າຂອງຄ່າພື້ນຫຼັງ ແລະ ຖືວ່າພວກມັນເປັນ "ຈຸດສູງສຸດທີ່ແທ້ຈິງ". ສຳລັບການຄິດໄລ່ PCC, ພິຈາລະນາພຽງແຕ່ສັນຍານ m/z ຂອງຕົວຢ່າງກ່ອນ (MS1) ແລະ ຊຸດຂໍ້ມູນຊິ້ນສ່ວນທີ່ມີຈຸດສູງສຸດທີ່ແທ້ຈິງຢ່າງໜ້ອຍແປດຈຸດເທົ່ານັ້ນ.
ຖ້າຄວາມເຂັ້ມຂອງຄຸນລັກສະນະຄຸນນະພາບຂອງຕົວຕັ້ງຕົ້ນໃນຕົວຢ່າງທັງໝົດມີຄວາມສຳພັນຢ່າງຫຼວງຫຼາຍກັບຄວາມເຂັ້ມທີ່ຫຼຸດລົງຂອງຄຸນລັກສະນະຄຸນນະພາບດຽວກັນທີ່ໄດ້ຮັບຜົນກະທົບຈາກພະລັງງານການປະທະຕໍ່າ ຫຼື ສູງ, ແລະ ຄຸນລັກສະນະດັ່ງກ່າວບໍ່ໄດ້ຖືກຕິດສະຫຼາກວ່າເປັນຈຸດສູງສຸດຂອງໄອໂຊໂທບໂດຍ CAMERA, ມັນສາມາດນິຍາມໄດ້ຕື່ມອີກ. ຫຼັງຈາກນັ້ນ, ໂດຍການຄິດໄລ່ຄູ່ຜະລິດຕະພັນຂອງຕົວຕັ້ງຕົ້ນທີ່ເປັນໄປໄດ້ທັງໝົດພາຍໃນ 3 ວິນາທີ (ໄລຍະເວລາຮັກສາໄວ້ທີ່ຄາດຄະເນໄວ້ສຳລັບການຮັກສາຈຸດສູງສຸດ), ການວິເຄາະສະຫະສຳພັນຈະຖືກປະຕິບັດ. ພຽງແຕ່ເມື່ອຄ່າ m/z ຕ່ຳກວ່າຄ່າຂອງຕົວຕັ້ງຕົ້ນ ແລະ ການແຕກສ່ວນຂອງ MS/MS ເກີດຂຶ້ນໃນສະຖານທີ່ຕົວຢ່າງດຽວກັນໃນຊຸດຂໍ້ມູນເປັນຕົວຕັ້ງຕົ້ນທີ່ມັນໄດ້ມາ, ມັນຈະຖືກພິຈາລະນາວ່າເປັນຊິ້ນສ່ວນ.
ອີງຕາມກົດລະບຽບງ່າຍໆສອງຢ່າງນີ້, ພວກເຮົາຍົກເວັ້ນຊິ້ນສ່ວນທີ່ລະບຸໄວ້ທີ່ມີຄ່າ m/z ຫຼາຍກວ່າ m/z ຂອງຕົວກ່ອນທີ່ຖືກລະບຸ, ແລະອີງຕາມຕຳແໜ່ງຕົວຢ່າງບ່ອນທີ່ຕົວກ່ອນປະກົດຂຶ້ນ ແລະ ຊິ້ນສ່ວນທີ່ລະບຸໄວ້. ມັນຍັງເປັນໄປໄດ້ທີ່ຈະເລືອກຄຸນສົມບັດຄຸນນະພາບທີ່ສ້າງຂຶ້ນໂດຍຊິ້ນສ່ວນໃນແຫຼ່ງທີ່ມາຫຼາຍຢ່າງທີ່ສ້າງຂຶ້ນໃນໂໝດ MS1 ເປັນຕົວກ່ອນທີ່ເປັນຕົວເລືອກ, ດັ່ງນັ້ນຈຶ່ງສ້າງສານປະກອບ MS/MS ທີ່ຊໍ້າຊ້ອນ. ເພື່ອຫຼຸດຜ່ອນຄວາມຊໍ້າຊ້ອນຂອງຂໍ້ມູນນີ້, ຖ້າຄວາມຄ້າຍຄືກັນຂອງ NDP ຂອງສະເປກຕຣຳເກີນ 0.6, ແລະພວກມັນເປັນຂອງໂຄຣມາໂຕແກຣມ "pcgroup" ທີ່ CAMERA ອະທິບາຍ, ພວກເຮົາຈະລວມພວກມັນເຂົ້າກັນ. ສຸດທ້າຍ, ພວກເຮົາລວມຜົນໄດ້ຮັບ CE ທັງສີ່ຢ່າງທີ່ກ່ຽວຂ້ອງກັບຕົວກ່ອນ ແລະ ຊິ້ນສ່ວນເຂົ້າໄປໃນສະເປກຕຣຳປະສົມສຸດທ້າຍໂດຍການເລືອກຈຸດສູງສຸດທີ່ມີຄວາມເຂັ້ມສູງສຸດໃນບັນດາຈຸດສູງສຸດທັງໝົດທີ່ມີຄ່າ m/z ດຽວກັນທີ່ພະລັງງານການປະທະກັນທີ່ແຕກຕ່າງກັນ. ຂັ້ນຕອນການປະມວນຜົນຕໍ່ມາແມ່ນອີງໃສ່ແນວຄວາມຄິດຂອງສະເປກຕຣຳປະສົມ ແລະ ຄຳນຶງເຖິງເງື່ອນໄຂ CE ທີ່ແຕກຕ່າງກັນທີ່ຕ້ອງການເພື່ອເພີ່ມຄວາມເປັນໄປໄດ້ຂອງການແບ່ງສ່ວນໃຫ້ສູງສຸດ, ເພາະວ່າຊິ້ນສ່ວນບາງຢ່າງສາມາດກວດພົບໄດ້ພາຍໃຕ້ພະລັງງານການປະທະກັນສະເພາະເທົ່ານັ້ນ.
RDPI (30) ໄດ້ຖືກນໍາໃຊ້ເພື່ອຄິດໄລ່ຄວາມບໍ່ສາມາດຊັກນໍາໄດ້ຂອງໂປຣໄຟລ໌ການເຜົາຜານອາຫານ. ຄວາມຫຼາກຫຼາຍຂອງສະເປກຕຣຳການເຜົາຜານອາຫານ (ດັດຊະນີ Hj) ແມ່ນມາຈາກຄວາມອຸດົມສົມບູນຂອງຕົວກ່ອນ MS/MS ໂດຍໃຊ້ເອນໂທຣປີ Shannon ຂອງການແຈກຢາຍຄວາມຖີ່ MS/MS ໂດຍໃຊ້ສົມຜົນຕໍ່ໄປນີ້ທີ່ອະທິບາຍໂດຍ Martínez et al. (8). Hj = −∑i = 1mPijlog2(Pij) ບ່ອນທີ່ Pij ສອດຄ່ອງກັບຄວາມຖີ່ທຽບເທົ່າຂອງ MS/MS ທີ i ໃນຕົວຢ່າງທີ j (j = 1, 2,…, m) (i = 1, 2, …, m) t).
ຄວາມຈຳເພາະທາງເມຕາໂບລິກ (ດັດຊະນີ Si) ຖືກນິຍາມວ່າເປັນຕົວຕົນຂອງການສະແດງອອກຂອງ MS/MS ທີ່ກຳນົດໃຫ້ໂດຍກ່ຽວຂ້ອງກັບຄວາມຖີ່ລະຫວ່າງຕົວຢ່າງທີ່ກຳລັງພິຈາລະນາ. ຄວາມຈຳເພາະຂອງ MS/MS ຖືກຄິດໄລ່ເປັນ Si = 1t (∑j = 1tPijPilog2PijPi)
ໃຊ້ສູດຕໍ່ໄປນີ້ເພື່ອວັດແທກດັດຊະນີ δj ສະເພາະຂອງ metabolome ຂອງແຕ່ລະຕົວຢ່າງ j, ແລະຄ່າສະເລ່ຍຂອງຄວາມຈຳເພາະຂອງ MS/MS δj = ∑i = 1mPijSi
ສະເປກຕຣຳ MS/MS ຖືກຈັດລຽງເປັນຄູ່, ແລະ ຄວາມຄ້າຍຄືກັນແມ່ນຄິດໄລ່ໂດຍອີງໃສ່ສອງຄະແນນ. ທຳອິດ, ໂດຍໃຊ້ NDP ມາດຕະຖານ (ເຊິ່ງເອີ້ນກັນວ່າວິທີການສະຫະສຳພັນໂຄໄຊນ໌), ໃຫ້ໃຊ້ສົມຜົນຕໍ່ໄປນີ້ເພື່ອໃຫ້ຄະແນນຄວາມຄ້າຍຄືກັນຂອງພາກສ່ວນລະຫວ່າງສະເປກຕຣຳ NDP = (∑iS1 & S2WS1, iWS2, i) 2∑iWS1, i2∑iWS2, i2 ບ່ອນທີ່ S1 ແລະ S2 ຕາມລຳດັບ, ສຳລັບສະເປກຕຣຳ 1 ແລະ ສະເປກຕຣຳ 2, ເຊັ່ນດຽວກັນກັບ WS1, i ແລະ WS2, i ໝາຍເຖິງນ້ຳໜັກໂດຍອີງໃສ່ຄວາມເຂັ້ມຂອງຈຸດສູງສຸດທີ່ຄວາມແຕກຕ່າງຂອງຈຸດສູງສຸດຮ່ວມທີ i ລະຫວ່າງສອງສະເປກຕຣຳແມ່ນໜ້ອຍກວ່າ 0.01 Da. ນ້ຳໜັກແມ່ນຄິດໄລ່ດັ່ງຕໍ່ໄປນີ້: W = [ຄວາມເຂັ້ມຂອງຈຸດສູງສຸດ] m [ຄຸນນະພາບ] n, m = 0.5, n = 2, ຕາມທີ່ແນະນຳໂດຍ MassBank.
ວິທີການໃຫ້ຄະແນນທີສອງໄດ້ຖືກຈັດຕັ້ງປະຕິບັດ, ເຊິ່ງກ່ຽວຂ້ອງກັບການວິເຄາະ NL ທີ່ແບ່ງປັນລະຫວ່າງ MS/MS. ເພື່ອຈຸດປະສົງນີ້, ພວກເຮົາໄດ້ໃຊ້ລາຍຊື່ NL 52 ທີ່ພົບເລື້ອຍໃນລະຫວ່າງຂະບວນການແບ່ງສ່ວນ MS ພ້ອມກັນ, ແລະ NL ສະເພາະກວ່າ (ໄຟລ໌ຂໍ້ມູນ S1) ທີ່ໄດ້ຖືກອະທິບາຍໄວ້ກ່ອນໜ້ານີ້ສຳລັບສະເປກຕຣຳ MS/MS ຂອງສານແປທາດທີສອງຂອງຊະນິດ Nepenthes ທີ່ອ່ອນແອລົງ (9, 26). ສ້າງເວັກເຕີໄບນາຣີຂອງ 1 ແລະ 0 ສຳລັບແຕ່ລະ MS/MS, ເຊິ່ງສອດຄ່ອງກັບປະຈຸບັນ ແລະ ບໍ່ມີຢູ່ຂອງ NL ບາງອັນຕາມລຳດັບ. ອີງຕາມຄວາມຄ້າຍຄືກັນຂອງໄລຍະທາງ Euclidean, ຄະແນນຄວາມຄ້າຍຄືກັນຂອງ NL ຖືກຄິດໄລ່ສຳລັບແຕ່ລະຄູ່ຂອງເວັກເຕີ NL ໄບນາຣີ.
ເພື່ອປະຕິບັດການແບ່ງກຸ່ມຄູ່, ພວກເຮົາໄດ້ໃຊ້ແພັກເກດ R DiffCoEx, ເຊິ່ງອີງໃສ່ການຂະຫຍາຍຂອງການວິເຄາະການສະແດງອອກຮ່ວມຂອງພັນທຸກໍາທີ່ມີນໍ້າໜັກ (WGCNA). ໂດຍໃຊ້ແມັດຕຣິກການໃຫ້ຄະແນນ NDP ແລະ NL ຂອງສະເປກຕຣຳ MS/MS, ພວກເຮົາໄດ້ໃຊ້ DiffCoEx ເພື່ອຄິດໄລ່ແມັດຕຣິກສະຫະສຳພັນປຽບທຽບ. ການຈັດກຸ່ມແບບໄບນາຣີແມ່ນປະຕິບັດໂດຍການຕັ້ງຄ່າພາລາມິເຕີ "cutreeDynamic" ໃຫ້ເປັນ method = "hybrid", cutHeight = 0.9999, deepSplit = T, ແລະ minClusterSize = 10. ລະຫັດແຫຼ່ງ R ຂອງ DiffCoEx ໄດ້ຖືກດາວໂຫຼດຈາກໄຟລ໌ເພີ່ມເຕີມ 1 ໂດຍ Tesson et al. (57); ຊຸດຊອບແວ R WGCNA ທີ່ຕ້ອງການສາມາດພົບໄດ້ໃນ https://horvath.genetics.ucla.edu/html/CoexpressionNetwork/Rpackages/WGCNA.
ເພື່ອປະຕິບັດການວິເຄາະເຄືອຂ່າຍໂມເລກຸນ MS/MS, ພວກເຮົາໄດ້ຄິດໄລ່ການເຊື່ອມຕໍ່ສະເປກຕຣຳທີ່ຈັບຄູ່ໂດຍອີງໃສ່ປະເພດຄວາມຄ້າຍຄືກັນຂອງ NDP ແລະ NL, ແລະ ໄດ້ໃຊ້ຊອບແວ Cytoscape ເພື່ອສະແດງພາບໂທໂພໂລຢີເຄືອຂ່າຍໂດຍໃຊ້ຮູບແບບອິນຊີໃນແອັບພລິເຄຊັນຂະຫຍາຍອັລກໍຣິທຶມຮູບແບບ CyFilescape yFiles.
ໃຊ້ R ເວີຊັນ 3.0.1 ເພື່ອດຳເນີນການວິເຄາະທາງສະຖິຕິກ່ຽວກັບຂໍ້ມູນ. ຄວາມສຳຄັນທາງສະຖິຕິໄດ້ຖືກປະເມີນໂດຍໃຊ້ການວິເຄາະຄວາມແปรປ່ວນສອງທາງ (ANOVA), ຕາມດ້ວຍການທົດສອບຫຼັງການທົດສອບຄວາມແຕກຕ່າງທີ່ສຳຄັນຂອງ Tukey (HSD). ເພື່ອວິເຄາະຄວາມແຕກຕ່າງລະຫວ່າງການປິ່ນປົວດ້ວຍພືດ ແລະ ກຸ່ມຄວບຄຸມ, ການແຈກຢາຍສອງຫາງຂອງສອງກຸ່ມຕົວຢ່າງທີ່ມີຄວາມແปรປ່ວນດຽວກັນໄດ້ຖືກວິເຄາະໂດຍໃຊ້ການທົດສອບ t ຂອງນັກຮຽນ.
ສຳລັບເອກະສານເສີມສຳລັບບົດຄວາມນີ້, ກະລຸນາເບິ່ງ http://advances.sciencemag.org/cgi/content/full/6/24/eaaz0381/DC1
ນີ້ແມ່ນບົດຄວາມທີ່ສາມາດເຂົ້າເຖິງໄດ້ໂດຍບໍ່ເສຍຄ່າ ເຊິ່ງແຈກຢາຍພາຍໃຕ້ເງື່ອນໄຂຂອງໃບອະນຸຍາດ Creative Commons Attribution-Non-Commercial License, ເຊິ່ງອະນຸຍາດໃຫ້ນຳໃຊ້, ແຈກຢາຍ ແລະ ສຳເນົາໃນສື່ໃດກໍໄດ້, ຕາບໃດທີ່ການນຳໃຊ້ສຸດທ້າຍບໍ່ແມ່ນເພື່ອຜົນປະໂຫຍດທາງການຄ້າ ແລະ ຫຼັກຖານແມ່ນວ່າຜົນງານຕົ້ນສະບັບຖືກຕ້ອງ. ອ້າງອີງ.
ໝາຍເຫດ: ພວກເຮົາພຽງແຕ່ຂໍໃຫ້ທ່ານໃຫ້ທີ່ຢູ່ອີເມວຂອງທ່ານເພື່ອໃຫ້ບຸກຄົນທີ່ທ່ານແນະນຳໃຫ້ກັບໜ້າເວັບຮູ້ວ່າທ່ານຕ້ອງການໃຫ້ເຂົາເຈົ້າເຫັນອີເມວ ແລະ ມັນບໍ່ແມ່ນສະແປມ. ພວກເຮົາຈະບໍ່ບັນທຶກທີ່ຢູ່ອີເມວໃດໆ.
ຄຳຖາມນີ້ແມ່ນໃຊ້ເພື່ອທົດສອບວ່າທ່ານເປັນຜູ້ມາຢ້ຽມຊົມຫຼືບໍ່ ແລະ ປ້ອງກັນການສົ່ງສະແປມໂດຍອັດຕະໂນມັດ.
ທິດສະດີຂໍ້ມູນຂ່າວສານສະໜອງສະກຸນເງິນສາກົນສຳລັບການປຽບທຽບຂອງເມຕາໂບໂລມພິເສດ ແລະ ການຄາດຄະເນຂອງທິດສະດີປ້ອງກັນການທົດສອບ.
ທິດສະດີຂໍ້ມູນຂ່າວສານສະໜອງສະກຸນເງິນສາກົນສຳລັບການປຽບທຽບຂອງເມຕາໂບໂລມພິເສດ ແລະ ການຄາດຄະເນຂອງທິດສະດີປ້ອງກັນການທົດສອບ.
© 2021 ສະມາຄົມອາເມລິກາເພື່ອຄວາມກ້າວໜ້າຂອງວິທະຍາສາດ. ສະຫງວນລິຂະສິດທັງໝົດ. AAAS ເປັນຄູ່ຮ່ວມງານຂອງ HINARI, AGORA, OARE, CHORUS, CLOCKSS, CrossRef ແລະ COUNTER. ScienceAdvances ISSN 2375-2548.